关于西藏高校“计算机文化”课程教学考核改革思考

在科技迅速发展的今天,信息化管理及其人们对新信息的需求程度不断提高,计算机技术的应用日益深入到各行各列,西藏高校的"计算机文化"课程的教学方法和考核方式都迫切需要改革。文章在教学实践的基础上,对我区高校"计算机文化"课程的教学方法及考核方式改革进行了探索。     

水轮发电机组的单片微机调速器研究

介绍新近研制成功的,用于中型水轮发电机组的,多功能高效率的单片微机调速器,它在调节规律、测频技术、运算技巧以及监控管理等方面都具有明显特点,而且具有良好的静态和动态调节特性。     

基于VB语言的液压支架四连杆计算机辅助设计

介绍了四连杆计算机辅助设计数学模型,论述了计算机程序编制及优化,并进行了实例计算及仿真验证。     

一种程序设计语言模块系统的研究与实现

GOdel语言是一种新型逻辑程序设计语言。通过对其模块系统进行研究与实现，在实现过程中采用了将用户模块和系统模块分开存放、独立管理的策略，以便使这两部分模块可以被很好地扩充和管理；同时还设计了系统命令．以便及时了解模块运行情况。这样在环境中实现的GOdel语言模块系统不但减轻了GOdel推理机的运行负担，也方便了用户对模块的管理。     

SPEX1403激光Raman光谱仪的计算机功能开发——Ⅰ.标峰程序

作者提出了用一阶导数谱辅助求 Raman 光谱峰值的新方法,较好地解决了谱峰与噪音的识别问题;编制了 SPEX_(1403)激光 Raman 光谱的标峰程序,具有10种不同大小尺寸的绘图功能、9种不同的字号供标峰选用,操作分为自动、半自动和手动三种方式,具有用于图注、实验条件说明的打字,存、取及复制标峰谱图等功能,克服了一般标峰过程中常见的弊病,标峰效果满意.     

基于自适应池化的行人检测方法

基于卷积神经网络的行人检测器普遍采用图像识别网络,通常会引起多池化层导致小目标行人特征信息丢失、单一池化方法导致行人局部重要特征信息削弱甚至丢失等,针对以上问题,基于最大值池化和平均值池化方法,提出了一种自适应池化方法,结合通用目标检测器Faster R-CNN,形成了有效的行人检测器,达到增强行人局部重要特征信息、保留小目标行人有效特征信息的目的。对多个公开的行人数据集进行大量实验,结果表明,与传统的卷积神经网络行人检测器相比,所提方法将行人检测漏检率降低了2%～3%,验证了方法的有效性。新方法改进了卷积神经网络结构,在无人驾驶领域具有一定的参考价值。     

基于自适应多态融合蚁群算法的无人机航迹规划

为解决传统航迹规划最短路径算法易陷入局部最优及复杂地形情况下的无人机航迹规划问题,提出了一种基于自适应多态融合蚁群算法的航迹规划方法。通过对航迹规划问题进行描述,建立数学模型,将自适应和蚁群算法相结合,与多态蚁群形成了全局、局部并行搜索模式,以提高算法寻找全局最优值的能力;提出自适应并行策略和自适应信息更新策略,以提升其全局搜寻能力。仿真结果表明,自适应多态融合蚁群算法较传统蚁群算法和多态蚁群算法具备更好的性能,能有效地提高搜索路径的长度和收敛速度,从而避免在求解过程中陷入局部最优,因此在求解最优航迹规划问题上有很好的应用前景。     

基于CNN的计算机生成图像识别方法

针对计算机生成图像(Computer Generated images, CG)与真实照片(Photograpgh, PG)识别率不高的问题,该文提出了一种改进的卷积神经网络方法来实现CG与PG的识别.该方法首先对识别问题进行卷积神经网络二分类建模,并选择VGG-19网络结构作为基础,建立不同的模型.该方法创新性地引入迁移学习,节省训练时间和大量计算资源,最后使用softmax分类器进行分类.实验结果表明,该文方法对PG图像的识别准确率达到92%.与其他方法比较,该文方法识别准确率最高,说明该文方法具有可行性与有效性.     

一种计算机数控的医用呼吸模拟平台设计

为了给呼吸补偿方法的验证提供数据,设计了一种计算机数字化控制的医用呼吸模拟平台.本文将拟合的呼吸运动曲线映射成三维运动坐标数据,以ATmega2560单片机为核心,采用42BYGH34两相步进电机设计了一种模拟人体呼吸运动的三维运动平台.该平台利用单片机解析来自上位机发送的三维运动曲线数据,然后转换成驱动信号并结合驱动芯片对两相步进电机进行驱动,进而带动与皮带相连夹具上体模的周期运动,从而模拟人体器官的运动.经测试,该运动平台性能稳定,可以为模拟呼吸运动数据的采集提供硬件平台.     

基于二维离散小波的生成图像鉴别方法

针对传统基于神经网络的计算机生成图像鉴别方法中存在鉴别难度大和准确率低的问题, 提出一种采用基于小波变换的计算机生成图像鉴别方法. 首先在进行图像多维小波特征提取时, 通过一次分解二维离散小波变换提取图像小波特征, 根据图像小波特征进行n级小波分解提取图像多维小波特征向量; 然后通过三维变换域波去噪算法（BM3D）提取计算机生成图像噪声特征; 最后采用支持向量机(SVM)分类器对计算机生成图像进行鉴别, 通过SVM分类器对图像多维小波特征和噪声特征进行分类, 以解决两种特征融合形成线性不可分的高维特征问题, 从而实现计算机生成图像的准确鉴别. 实验结果表明, 该方法在鉴别计算机生成图像时具有更高的准确性和稳定性.