可维护性对CAI使用的制约

CAI作为现代教学模式受到社会的广泛关注。本文阐述CAI教学特点和其重要的教学意义,分析了可维护性对CAI广泛使用的影响,最后提出三种提高CAI可维护性的方法。     

基于云模型的退役铀尾矿库环境质量评价方法

综合考虑退役铀尾矿库环境质量评价过程中模糊性和随机性的特点,引入云模型,建立了基于云模型的退役铀尾矿库环境质量评价方法.选取影响周边环境质量的12项指标,计算各指标隶属于各环境等级的云模型参数,运用正向正态云发生器生成综合云模型,结合权重,得到评价对象的综合确定度,最终根据最大确定度判定环境质量等级.实例和对比分析结果表明,运用云模型评价退役铀尾矿库环境质量是可行的,且计算过程简单明了、易于编程实现,为评价退役铀尾矿库环境质量提供了新的思路和手段.     

社会体育专业学生指导大众健身活动能力的现状及培养途径

通过部分高校体育专业学生参与指导社区大众体育健身活动,对其指导服务能力体系进行调查和分析,探讨学生参与指导社区体育健身活动实践能力的培养途径等。     

基于定量分层模型的多匝道协调控制次序

针对城市快速路交通拥堵严重的问题,基于QHM(定量分层模型)并利用交通风险评估技术,提出了一种多匝道协调控制次序的方法.利用QHM将快速路通道合理分区,以各分区当前状态与临界状态密度差值比为主要指标构建通道多匝道优先级控制矩阵,进而确定各分区匝道的优先控制次序,以保证各分区交通流的稳定性和公平性,实现通道多匝道协调控制.最后,应用微观交通仿真软件Vissim验证了模型的可靠性和有效性.     

从发酵液中吸附提取柠檬酸的研究

本文选用吸附容量大的884(?)树脂,考察柠檬酸与草酸在该树脂上的竞争吸附。用微分床测定草酸存在下柠檬酸吸附和解吸过程的总传质系数。用显式差分法解以总传质系数表征的动力学过程数学模型。结果表明:草酸有较大的竞争吸附性,且因草酸存在,柠檬酸吸附过程的总传质系数比纯柠檬酸溶液的为小,解吸过程的总传质系数则比纯柠檬酸溶液的大。过程数学模型理论透过曲线与柠檬酸纯溶液,柠檬酸与草酸混合液及发酵液的实验值吻合良好。     

利用空间正交约束的相机自标定和三维重建

提出了一种用2幅未标定的图像进行三维重构的算法.利用空间 3 组垂直方向的正交结构与其在图像平面上消失点的对应关系,线性计算出相机的内参数,再利用3组匹配线段计算相机在2个视角的运动参数,最后根据得到的相机参数采用三角测量法计算空间点的三维坐标值.该算法与利用三正交运动的主动标定法相比,把相机的正交运动约束转换成空间正交结构约束,使用简单,适应性强,可直接利用参数未知的手持数码相机拍摄图像进行三维重建.对真实的建筑场景图像进行三维重建实验,重建后的三维模型在新视点生成的图像与所观察的场景一致,重构的2个平面夹角与实际值的测量误差在1 5%~2 6%之内.     

基于模拟实验的低等级公路车辆过弯风险预测模型

通过驾驶模拟实验对低等级公路车辆驾驶数据进行采集,从车辆过弯时的横向风险与纵向风险出发,对弯道的行驶数据进行统计分析,得到8个主要参数,并通过主成分分析筛选出速度标准差、切向加速度标准差及方向盘转速3个核心统计量,再以此为基础进行k均值聚类,分离出弱风险、急刹车、急转弯、强风险4类驾驶风险。最后取车辆过弯的前1/4时间窗口内的3个核心统计参数作为测试集,整条弯道的行驶数据作为训练集,通过Fisher进行建模,该模型的识别精度可达76.5%。     

基于粗集理论的雷达辐射源信号识别

将粗集理论（RST）引入到雷达辐射源信号（RES）识别中，提出一种区间连续属性离散化新方法及相应的特征选择算法，将RST与神经网络（NN）结合，设计粗集神经网络（RNN）分类器．实验结果表明，该方法解决了已有方法难以处理的区间连续属性离散化问题，获得的正确识别率比其他3种方法分别高出7．29％、4．34％和4．00％．RNN的平均训练代数比NN少97．54，RNN的平均识别率比NN高2．84％，这表明RNN具有比NN更好的分类能力和泛化能力，从而证实了该方法的有效性和可行性．     

智能铺面的内涵与架构

对智能铺面的内涵与架构进行诠释与定义.明确未来交通的发展愿景为"零伤害、零延误、零维护、零排放、零失效".为适应该愿景,借鉴智能生物体的基本要素,将智能铺面定义为由先进的结构材料、感知网络、数据中心、通信网络和能源系统组成,具有主动感知、自动辨析、自主适应、动态交互、持续供能等智能能力的铺面设施.在此基础上,从基本性能、智能能力、网联服务、可持续发展特性等4个方面明确了智能铺面的功能特征,并提出了智能能力的5个等级与要求.从物理要素、信息流向、能量路径、空间位置、P2X(Pavement to X)服务等5个方面构建了智能铺面的架构.成果对指导智能铺面技术的研究与应用具有参考意义.     

基于自适应融合的实时车辆检测

针对传统的车辆检测技术检测速度慢和精度低的问题,提出了一种融合注意力的自适应金字塔网络的交通目标检测算法（fusion attentiont adaptive pyramid network,FAAP-Net）,可以显著降低交通事故的发生率。为了降低计算复杂度,设计了一种轻量级的互补池化结构（CPS）,该结构在宽度和高度上采用了两组不同的池化组合,在保持高精度的同时,显著降低了网络的浮点运算数（GFLOPs）和参数量。为了解决智能交通系统特征图生成过程中的信息损失问题,通过将自适应注意力模块（AAM）和特征增强模块（FEM）引入自适应融合特征金字塔网络（AF-FPN）,以融入车辆检测的形状特征。针对车辆细节特征表征弱的问题,引入了一种按通道维度分组的注意力（SA）机制,以增强主干网络对不同车辆检测细节特征的关注,有效提取车辆细节的显著特征。在BDD100K数据集上的实验结果表明,FAAP-Net算法相比于传统算法,平均精度从30.3%提升到43.7%。