课程文献中心 更多>>

关键词： 分数乘法   分数除法   运算一致性  

摘要： 《课程标准》明确指出,数的运算教学应注重对整数、分数和小数四则运算的统筹,让学生进一步感悟运算的一致性。文章通过对分数乘法、分数除法的整理与复习,贯通算理,统整算法,建立整数、分数和小数运算的联系,引导学生以整体的、联系的、发展的眼光看问题,感悟数运算的一致性,提升学生的思维水平。

关键词： 噪声污染   管道降噪   箕舌线   FxLMS算法  

摘要： 噪声污染已成为威胁公众健康的普遍问题。若人们长期暴露在噪声环境中,容易引发头痛、耳鸣等不良症状。针对实际管道降噪中传统算法无法同时兼顾收敛速度和稳态误差的问题,基于箕舌线函数,提出一种改进的前馈滤波FxLMS算法,通过引入误差信号的相关函数来更新步长。实验中采用高斯白噪声作为输入信号,结果表明,改进算法在20~2000Hz范围内平均降噪量比传统算法提升了4.1495dB,最大降噪量比传统算法提升7.495dB。

关键词： 倾斜校正   中心检测   积分投影   指针检测   椭圆拟合   读数识别  

摘要： 工业环境中采集的仪表图像存在倾斜的可能性,针对倾斜的圆形仪表图像,提出了一种修正指针偏移的二次校正方法。通过积分投影提取指针平面中心点,使用LSD算法和向心条件的约束检测仪表刻度线,利用刻度线位置信息拟合椭圆提取表盘平面中心点并进行透视变换。利用指针和表盘两平面的中心点进行二次修正并根据角度法计算读数。实验结果表明:该算法成功检测了指针轴心和表盘中心,减轻了因拍摄倾斜而导致指针指向错误刻度线的问题,角度平均误差降低。

关键词： 时空特征   深度学习模型   输电线路   无人机巡检   混合动态   路径优化  

摘要： 在混合动态环境的最小路径长度代价下,为了保证无人机可靠完成输电线路巡检,提出基于时空特征深度学习模型的输电线路无人机巡检混合动态路径优化算法。利用深度学习下卷积门控循环单元检测待巡检目标输电线路,提取巡检目标的时空特征,生成初始巡检路径。以检测获取输电线路目标为起点,基于改进蚁群-Dstar混合算法,优化无人机巡检混合动态路径。测试结果显示:该方法可以有效躲避突发障碍物,保证输电线路巡检效果。

关键词： 青藏高原   植被提取   深度学习   YOLOv5   DeeplabV3+  

摘要： 青藏高原的植被覆盖度是生态研究和环境监测的重要指标。传统的植被覆盖度检测方法在地形简单且植被分布集中的区域效果较好,但在复杂地形下由于成本高、调查范围受限、耗时长等问题,导致植被提取精度受限。近年来,计算机视觉和深度学习技术的飞速发展为青藏高原复杂地形下的植被精准提取开辟了新的可能性。本研究提出一种结合YOLOv5和改进DeeplabV3+的双阶段植被提取算法。算法引入基于YOLOv5的植被目标检测模型,以减少背景对第二阶段植被分割任务的干扰;设计新型的DeeplabV3+语义分割模型,以实现精准的植被分割提取。改进的模型引入了轻量级主干网络MobileNetV2、优化了ASPP模块膨胀卷积参数,并集成EMA和CloAttention注意力机制。在青藏高原无人机航拍数据集上的实验结果显示,本算法在交并比(IoU)和像素准确率(PA)上分别达到了90.40%和96.32%,显著超过现有技术,且大幅降低了模型参数。本算法在多种环境条件下均展示了高精度的植被提取能力,可以为青藏高原植被覆盖度的快速、精准测定提供有效的技术支持。

关键词： 高维不平衡   特征选择   多阶段混合   医疗数据  

摘要： 为解决医疗数据中存在的特征高维和类别不平衡问题,在基于简单、快速和有效高维特征选择算法SFE(simple,fast and effective high-dimensional feature selection)的基础上,提出了一种面向不平衡医疗数据的多阶段混合特征选择算法HFSIM(hybrid feature selection for imbalanced medical data)。HFSIM算法采用改进的自适应边界SMOTE过采样技术,生成符合边界条件的新少数类实例以解决医学数据中类不平衡问题。同时,为了改善搜索空间多样性不足的问题,优化了SFE算法中的非选择操作符率参数UR(unselected rate),有效避免了算法过早收敛及易陷入局部最优的问题。将过滤式Fisher Score方法与优化UR参数后的算法有效结合,使算法能以较低的计算成本获得较好寻优能力。经实验验证,相比于SFE算法,HFSIM算法在Ovarian数据集上准确率达到99.67%,提升了2.11个百分点,G-means和F1分别提升了5.13和2.30个百分点。此外,通过对比特征数量和运行时间,证明了HFSIM算法既能保证算法精度又有效降低了计算成本。

关键词： 精英保留策略   遗传算法   绿色多式联运   路径优化  

摘要： 多式联运过程中的成本涉及直接运输成本、时间惩罚成本和基于绿色发展背景下的碳排放成本,以此建立运输总成本函数模型。结合运输实际,根据对运输、时间和碳排放的不同侧重要求,对以上三种成本设置不同权重值。采用精英保留策略的混合遗传算法进行模型求解,分别得出三种成本不同权重下的多式联运路径选择和成本构成情况。经分析比较,在综合均衡考虑运输成本、时间成本和碳排放成本时,路径优化更合理,多式联运总成本更低,为多式联运参与者在路线选择和各项成本的权衡方面提供参考。

关键词： BP神经网络   隐马尔科夫模型   施工隐患行为预测   Baum-Welch算法  

摘要： 为了提升施工隐患行为预测的精准度,保障施工人员生命安全,提出基于反向传播(BP)神经网络与隐马尔科夫模型的施工隐患行为预测算法。利用索尼HDR-AX2000E摄像机采集施工现场的静默视频;通过误差反向传播训练算法调整BP神经网络参数;在参数调整后的BP神经网络内,输入采集的施工现场静默视频,输出施工隐患行为的粗预测结果;以粗预测结果为隐马尔科夫模型的输入,采用Viterbi算法计算模型的最大输出概率值,最大输出概率值对应的施工隐患行为即施工隐患行为精预测结果。实验证明,在不同施工行为情况下,所提算法预测的马修斯系数与1较为接近,预测精度较高,可有效粗预测与精预测施工隐患行为。

关键词： 光伏电池板   无人机   YOLOv5   MobileNetV3   ECA  

摘要： 针对光伏电池板安装位置复杂,不利于人工统计的特点,文中设计了一款基于改进YOLOv5的光伏电池数量无人机检测系统,通过无人机拍摄光伏板电池图像并进行数量统计,从而计算区域光伏电池组发电量。文中采用ECA注意力机制对MobileNetV3网络进行改进,使用改进后的网络替换YOLOv5的骨干网络,并引入GSConv模块进一步替换YOLOv5的标准卷积,通过Alpha-EIOU对训练损失函数进行优化,提高模型性能。实验证明,文中提出的模型相比YOLOv5具有更高的检测精度和更快的检测速度。

关键词： 关联规则   数据挖掘   青少年   体质健康促进  

摘要： 本文采用文献资料法、问卷调查法等研究方法,从关联规则相关概念入手,创新地利用计算机数据挖掘技术跨学科探究体育问题,以机器挖掘深层次探求影响山东青少年体质健康的因素以及与其青少年久坐、睡眠、面屏等因素的关联。研究旨在提升山东省青少年体质健康水平,为山东省青少年体质健康的促进提供系统、科学、有效的方案。