高校教务管理系统选课算法研究综述

网上选课系统是高校教学管理信息化平台的重要组成部分,设计出一种能够满足学生需求并且确保选课的公平性、高效性的选课算法是尤为重要的。本文系统分析了当前主要的选课算法思想及其特点,重点分析了这些选课算法的应用条件及优缺点。在此基础上,对选课系统提出了通过分层筛选实现的思想,能有效的提高选课效率并满足学生选课要求。     

志愿选课算法分析与最优决策

本文以新的选课方式为背景，结合同学们在选课中的偏好和需求。对志愿法选课建立模型，提出志愿优化分配的算法，使得合理分配志愿而选课满意程度高。     

学分制模式下网上选课系统的算法探析

随着高校学分制的推广，网上选课已成为教学教务管理的1个重要部分。学生可以通过网络在任意时间、任意地点进行选课。但是由于目前高校教学资源比较紧张，对课程的修读人数、修读务件都有限制，在选课筛选中加入公平算法是非常必要的。由于学校管理模式不同、课程类别不同，选课算法的公平规则也不同。本文综述了学分制模式下网上选课系统的几种公平筛选算法，并对它们进行了分析和比较。     

一种改进的基于角度检测的实时指尖检测算法

针对目前指尖检测算法不能同时兼顾检测率和实时性方面的不足,提出一种改进的基于角度检测的实时指尖检测算法.先用背景差和肤色相结合的方法检测出目标手区域,然后提取手区域边缘,再用改进的指尖检测算法检测出候选指尖点,并用聚类算法和凹凸性方法对筛选出的候选指尖进行进一步筛选,最后用一种新的后处理方法对获得的指尖进行排误,以提高指尖的正检率.实验结果表明,该算法在保持较高正检率的基础上,同时具有良好的实时性.     

一种改进的分段广义正交匹配追踪算法

压缩感知理论是根据信号本身具有的稀疏性提出的新型信号采样理论.为提升正交匹配追踪算法采样信号的准确性和实时性,研究该算法的信号重构算法.分段广义正交匹配追踪算法就是以通过改变原始正交匹配追踪算法筛选原子为依据,达到对正交匹配追踪算法改进的目的.改进算法将原子筛选过程分为2个阶段,不需要已知信号的稀疏度且优化了算法的运行时间,有更准确地恢复初始信号的能力.仿真结果表明,该改进算法的运行时间和对信号的恢复效果均优于正交匹配追踪算法的.     

空间目标碰撞预警摄动因素研究

针对解析筛选方法中摄动因素易造成漏报危险时间区间的问题,改进了时间筛选算法. 该方法在时间筛选中,增加了初始窗口修正,并在周期修正中考虑了偏心率摄动. 以2005年发生的空间目标相撞事件为例,在不同的预警时间区间中,讨论了摄动因素对几何筛选的影响,并对比了无摄动、原方法和改进的时间筛选方法得到的危险时间区间. 结果表明,摄动因素可有效降低几何筛选中由接近距离偏小造成错误筛除危险目标的风险,改进后的时间筛选算法比原方法能得到更为完整准确的危险时间区间.      

基于神经网络技术自动筛选Monastrol抑制剂的算法研究

带自动荧光显微镜的HCS（high content screening）系统是一种新兴的显微摄影、筛选和处理系统.HCS系统在摄影过程中会产生大量数据,人工筛选和识别费时费力.本文为了进行Monastrol抑制剂的筛选,基于前馈式神经网络技术研究了一种对HCS系统摄影的大量细胞同时进行特征提取和细胞显型识别的自动算法.在得到各个通道分离的图像后,对不同通道图像进行并行预处理,并采用神经网络和逻辑运算相结合的算法进行处理.我们将该方法运用于Monastrol抑制剂的筛选中,并将结果与人工识别结果进行分析比较.相比较前人提出的multi-phenotypic mitotic analysis（MMA）算法自动识别的正确率得以提高,可更好评估抗癌药剂效用.     

基于近邻模型与概率矩阵分解的高校选课推荐算法

为研究高校教务信息管理系统中学生自主在线选课的个性化推荐问题,采用基于近邻模型与概率矩阵分解相融合的改进算法.通过衡量学生(选课)之间的相似关系寻找相似学生(选课),再将与学生(选课)相似性最大的邻居集合应用到基于概率矩阵分解的协同过滤推荐算法中,最终依据预测评分值和限制条件给出Top-K推荐结果排序.原型系统测试实验结果表明:改进算法更适用于高校选课推荐应用,并能够有效地解决数据稀疏问题.     

应用回归分析的数据关联算法

针对复杂电磁环境下目标跟踪需要兼顾实时性和精确性的问题,应用测量领域的数据处理方法,提出了回归分析的数据关联算法.首先,利用对滤波曲线的两点回归分析,逐一预测各观测到达时刻的置信区间,筛选出关联点;接着,以系统处理周期为分组标准,对筛选序列进行成组观测数据回归分析;最后,计算出观测融合点,并用该点更新滤波器新息.该算法不仅能将复杂的关联转变成测量点迹动态更新过程,而且优化了同步化处理步骤.仿真实验表明:回归分析算法与联合概率数据关联算法相比,在直线运动场景下,两者的均方根误差及轨迹丢失率相近,且随着目标数目的增多,前者在平均占用CPU时间上的优越性更加突出;在曲线运动场景下,两者跟踪误差相当,前者占用CPU时间仅为后者的1/6.     

双目标精英策略的三维人脸表情特征筛选及识别

非支配遗传算法(NSGA-Ⅱ)对双目标的特征筛选可以取得很好的效果,但该算法在优化过程中会出现局部收敛和早熟问题.为此,文中提出了改进的NSGA-Ⅱ特征筛选算法:先对父代种群运行第1次精英策略,从中筛选出父代精英种群;然后将筛选后的父代精英种群与子代种群构成联合种群,并对联合种群运行第2次精英策略获得下一父代种群.在利用文中算法对三维人脸表情的候选特征进行筛选后,通过概率神经网络算法对筛选特征进行分类识别.结果表明,文中算法可以在很大程度上解决传统NSGA-Ⅱ的局部收敛和早熟问题,并能有效地提升表情识别的准确性.     

基于改进CART算法的退役动力电池等级筛选方法

针对退役动力电池存在一致性差、等级筛选效率低的难题,提出了一种基于改进CART算法的退役动力电池等级筛选方法。首先,分析了传统CART算法的基本原理,为克服算法计算量大的缺陷,将Fayyad边界点判定定理与CART算法相结合,通过选取属性最优阈值点来减少计算量,提高分类效率;其次,基于代价复杂度后剪枝算法,采用交叉验证法对算法进行进一步优化;最后,将改进CART算法用于退役动力电池筛选分类,实验结果表明改进CART算法在保持较高准确率的情况下,可以有效提高退役动力电池的等级筛选效率。     

大跨桥梁结构健康监测系统振动传感器配置仿真

为了提高大跨桥梁结构健康监测系统在线模态参数识别中的模态分辨率,研究了振动传感器配置的非均匀布设方法.以润扬长江大桥悬索桥为例,以结构前16阶竖向振型为基础,运用基于主列筛选的传感器配置算法对该桥主梁竖向振动传感器配置进行了仿真研究.采用模态置信度矩阵非对角元素构造评估指标对4种传感器布设方案进行比较,包括七截面均匀布设方案、基于主列筛选算法获得的七截面非均匀布设方案、基于七截面均匀布设方案改进得到的九截面方案和基于主列筛选算法获得的九截面非均匀布设方案.由仿真结果可知,采用主列筛选获取的传感器非均匀布设方案获得的模态置信度矩阵非对角元较小,模态振型具有更好的模态分辨率.这一结果表明,非均匀布设方法更有利于大跨桥梁监测系统实现在线识别模态参数.     

嵌入式Linux的实时性研究

对嵌入式Linux进行实时性改进是嵌入式操作系统领域的一个研究热点.在分析了标准Linux实时性的基础上,就调度算法、中断和时钟提出了一些改进的方法,以进一步提高Linux操作系统的实时性能.     

一种改进的KAZE特征检测算法

特征点检测算法是图像匹配的基础,在机器视觉、飞机导航、图像拼接、三维重建等领域中得到了广泛的应用.其中基于非线性扩散的KAZE特征检测算法鲁棒性强、匹配率高,但实时性明显低于其他算法.针对以上问题,提出一种简单有效的改进KAZE算法.该算法通过改进特征点搜索策略、利用圆改进M-SURF特征向量描述方法并降维、引入余弦相似性度量等步骤来提高算法实时性.实验结果表明:改进后的KAZE算法在保证原算法鲁棒性、匹配率的基础上,减少了运行时间,增强了算法的实时性.     

基于优化BP算法的无线局域网入侵检测系统的设计

针对现有BP神经网络算法存在的平坦曲面和局部极小点问题,提出了极小点跃迁遍历BP算法,以取得更好的收敛效果.将改进的BP算法应用于无线局域网入侵检测系统.实验表明,改进的算法提高了入侵检测的准确性和实时性.     

Dijkstra算法在嵌入式GIS中的优化实现

结合嵌入式系统的特点,对Dijkstra算法进行优化以保证其实时性. 通过对地图数据的分块,改进了直线优化方法. 通过对Dijkstra算法计算过程中已经计算过的结点数据进行临时标记、保存和排序,减少了重复运算. 改进后的寻优过程减少了参与运算的节点,保证了VxWorks系统下路径寻优的速度.     

改进的粒子群优化算法

提出了两种改进的粒子群优化算法--引入了"预筛选"机制的PSPS0和线性改变最大速度vmax的LCVPSO,仿真实验表明,PSPSO和LCVPSO比标准PSO算法具有更好的性能.     

基于YOLOv4的暴力行为实时检测算法

针对当前深度学习行为识别技术无法满足监控系统实时性要求的问题,本文提出了一种监控视频暴力行为实时检测算法.该算法以YOLOv4模型作为基础,从提升检测准确性和实时性的角度对模型的主干网络和后处理方法做了改进.通过自建暴力行为数据集,分别对YOLOv4原模型和改进模型进行训练和测试.实验结果表明,在检测精度和速度的性能比...     

基于Hadoop的学生推荐选课系统的设计与实现

随着各种在线选课系统的广泛使用,教学管理部门对学生选课的管理变得越来越方便高效;但是,大多数选课系统在学生选课时不能准确地为学生提供个性化的推荐课程,针对目前在线选课系统中存在的个性化推荐缺失的问题,该研究采用易于扩展的开放式推荐流程和架构,基于Hadoop平台展开探讨,通过对Hadoop运行机制的研究,结合对推荐系统和推荐算法的分析,设计并实现了学生推荐选课系统。系统基于协同过滤算法,通过对学生信息、课程信息和选课信息的数据分析与挖掘,最终为用户计算出最可能需要的推荐课程。     

BP神经网络的LM算法及其对颗粒碰撞振动阻尼的预测

介绍了一种BP神经网络的改进Levenberg Marquardt(LM)算法原理,用这种方法对颗粒碰撞振动系统的阻尼进行了训练和仿真,并将此改进算法与传统算法进行比较.结果表明,该算法稳定、快捷,预测准确,适合应用于对实时性要求比较高的场合,且预测得到的模型与相关文献中的结果一致.