基于漫水填充的图像骨架提取方法

针对当前图像骨架提取存在毛刺现象和骨架冗余的问题,提出基于漫水填充的图像骨架提取方法。对目标图像预处理,得到阈值化二值图像,分割出前景和背景;构建掩模图像和轴线图,为后续运算过程提供数据来源和判断依据;通过遍历水平面灰度直方图,模拟漫水过程,收缩掩膜图像的前景轮廓,根据邻域连通分量变化,确定是否为骨架特征点,待轮廓收缩完毕,得到图像骨架。实验验证表明,该方法可以有效地提取图像骨架,毛刺现象和冗余结构明显减少,执行速度快。     

实践教学网络平台在高校教改中的研究与应用

高校实践教学逐步网络化,相对于传统实践教学其具有形式和内容多样化,使用方便、成本低,学生可以快捷地访问到大量的共享数据等优点。将微信公众号应用到实践辅助教学中,公众号涵盖面广,包括所有实践教学内容,如课表,操作视频,安全消防知识以及最新相关新闻趣闻等内容,提高了学习的便捷性和效率,调动了学生学习的积极性,提高了教学质量,充分发挥了其在高校教改中的作用。     

新型冠状病毒肺炎传播动力学模型构建与分析

为研究新型冠状病毒肺炎(简称新冠肺炎)传播机理和传播风险，预测疫情发展趋势，对政府制定相关疫情防控政策提供帮助，提出了一种新的新冠肺炎传播非线性动力学模型(SLEIR)。该模型考虑到疫情中采取保护措施的人群，将其作为低危群体加入到模型中；通过对模型的基本再生数、平衡点、稳定性和分岔等进行分析，揭示新冠肺炎传播机理；利用印度新冠肺炎真实数据对模型参数和部分状态初值进行最小二乘拟合，根据拟合的参数对印度疫情发展趋势做出预测。该模型对印度3～4月、4～5月两阶段疫情预测平均相对误差分别为4.107%和2.805%,对于印度10月最新的疫情，预测平均相对误差为3.266%,预测结果表明SLEIR模型具有较好的预测效果。与传统SEIR模型相比，该模型能适应印度疫情复杂的变化趋势，且具有更高的预测精度，可以为政府选择合适的防控措施提供技术支撑。     

基于MFO算法的全液压压裂车功率节能匹配

针对机械式压裂车油耗和成本较高的缺点,提出全液压压裂车概念,考虑到系统功率损失,提出使用"施工比油耗"衡量压裂车实际油耗,对全液压压裂车进行全局功率匹配,分别建立发动机万有特性、变量柱塞泵效率和整机辅助功率的数学模型,采用自适应惩罚函数法构建惩罚函数,以施工比油耗最低为优化目标建立目标函数,基于MFO算法,以压裂泵需输出的压力和流量作为优化输入参数,优化输出需启动的发动机数量、各发动机转速及其柱塞泵排量共计11个调整参数的最佳组合,结果表明,在全部工况下,全液压压裂车施工比油耗维持在4.55~9.91 L/（60 MPa·m³）,且随着负载压力和排量的增加而逐渐降低;与原方案相比,新方案最高可节油35.97%,且节油率随着负载压力的增大而逐渐减小;与机械式压裂车相比,同等工况下,采用新方案的全液压压裂车最高可节油53.74%。     

《建筑识图与绘图》课程改革探索

《建筑识图与绘图》是土建专业重要的专业基础课,重在培养学生的建筑识图能力.本文从现阶段的教学现状入手,从课程内容的整合、教学模式的转变、课程考核形式、行业人才需求等方面,探索了高职院校《建筑识图与绘图》课程的改革内容和改革方向,以适应高职高专人才的培养.     

双微流体通道光子晶体光纤传感器分析

利用有限元法对基于双微流体通道光子晶体光纤传感器进行分析．数值模拟了当微流体通道的直径、待测液体折射率、金属纳米薄膜厚度不同时传感器的参数变化特性．结果表明,不同参数的传感器所表现出来的吸收特性各不相同,且表面等离子体共振的激发对待测液体折射率非常敏感．用两种方法分别得出该传感器的灵敏度及分辨率,研究结果为光子晶体光纤传感器的设计和实际操作提供了理论依据．     

我国纺织化纤专利情报分析

利用国家知识产权局网站上发布的中国专利数据库,采用专利信息分析系统,从专利申请总量、重点专利技术和专利持有人等方面,对纺织化纤领域的相关专利进行检索、分析、归纳,以期为国内纺织化纤的研发、生产和专利布局提供参考。     

土建专业群建设中基础平台课程标准制定浅析——以平台基础课程《建筑识图与绘图》的课程标准建立为例

课程标准是教学环节中最为细微的部分,但由于直接面向学生,因此对人才的培养质量起着关键的作用。高职教育以就业为导向,在制定课程标准时必须从企业需求出发,对知识点进行细分,寻找合适的载体,开发适合学生学习程度的项目和任务,配套具有针对性的考核方案,才能有针对性地提高学生培养质量。     

基于Windows API调用序列的恶意代码检测方法

为解决现有恶意代码检测方法存在的特征提取能力不足、检测模型泛化性弱的问题，提出了一种基于Windows API调用序列的恶意代码检测方法.使用N-gram算法和TF-IDF算法提取序列的统计特征，采用Word2Vec模型提取语义特征，将统计特征和语义特征进行特征融合，作为API调用序列的特征.设计了基于Stacking的三层检测模型，通过多个弱学习器构成一个强学习器提高检测模型性能.实验结果表明，提出的特征提取方法可以获得更关键的特征，设计的检测模型的准确率、精确率、召回率均优于单一模型且具有良好的泛化性，证明了检测方法的有效性.