基于逆向工程的零件测绘实验教学平台建设的研究与实践

零件测绘是依据工程装备零部件,通过分析并选择表达方案,测量并标注尺寸,制定必要的技术要求,从而完成零件图绘制过程。逆向工程即将实物模型进行数据化成型设计,并在此基础上对产品进行分析、修改及优化设计。基于逆向工程的零件测绘实验教学平台是一项系统工程,论文对其建设的原则与内容进行了研究,并对自主研发的测绘模型、先进的测绘方法,及其实践与应用效果进行了剖析。     

基于ObjectNess BING 的海面多舰船目标检测

将一幅图像按照一个目标的大小进行缩放,然后计算其梯度特征,再对梯度特征进行标准化,二值化能够极大地提高目标候选区域的选择和检测计算效率,减少耗时。由于对海上舰船目标的检测是具有丰富角点的人造目标,对ObjectNess二值化标准梯度特征(binarized normed gradients, BING)方法中的目标候选区域提取算法进行改进,使其能够更加快速地进行候选区域的选择并保持较高的检测率。分析了海上多舰船目标的图像特征,提出了利用角点确定目标的候选基点,再利用ObjectNess BING检测模型训练获得的多目标尺寸进行候选区域的选择,对互联网上下载的多幅多舰船图像进行处理的结果表明,算法能够有效减少候选目标区域的数量并保持较高的检测概率。     

职业素养教育下高职实训教师角色定位及影响因素研究

高职院校职业素养教育应然与实然之间的差距,对实训教师角色提出新的要求。高职实训教师是职业素养教育的课程设计者、教学实施者、榜样示范者、学习促进者和实践研究者。相关主体赋予高职实训教师的角色期望,教师教育促进高职实训教师的角色领悟,教育教学活动推进高职实训教师的角色实践,行动中反思推动高职实训教师的角色重构,以上四个影响因素为高职实训教师的角色生成提供多维度支持。     

基于PSO优化孪生支持向量机的自然语言处理

为了进一步提高孪生支持向量机(Twin support vector machine, TWSVM)的自然语言文本分类准确度，提出了一种改进的粒子群优化(Particle swarm optimization, PSO)算法，并采用改进的PSO算法对TWSVM核心参数进行优化。根据迭代次数来选择自适应权重从而对传统PSO算法进行改进，以防止收敛速度过快而错过全局最优解。采用Word2Vec对自然语言样本进行向量化处理，并通过PSO算法对TWSVM惩罚因子进行优化求解，解决因为惩罚因子设置不合理而造成自然语言文本分类准确率不高的问题。试验证明，通过合理设置PSO算法的速度权重初始值和稳定值，结合自适应递减权重策略，能够获得较高的惩罚因子优化性能，从而提高TWSVM的分类准确率，相比于常见自然语言文本分类算法，PSO-TWSVM的分类准确率更高，均方根误差值更低，在自然语言文本分类中的适用度高。