课程文献中心 更多>>

关键词： 蜣螂优化算法   泡排措施   数据增强   产量预测  

摘要： 本研究旨在解决气藏开发生产中由于数据量有限,传统预测方法能力不足导致气井泡排效果评估不理想的问题.首先使用VAE变分自编码器数据增强方法对原始数据集进行扩增,以解决数据量有限的问题.然后使用蜣螂优化算法对LightGBM模型进行超参数寻优.相比于差分优化算法和贝叶斯优化算法,蜣螂优化方法在迭代次数更少的情况下,能够找到更好的适应度值.随后将优化后的LightGBM模型与XGBoost模型,随机森林模型以及未优化的LightGBM基模型进行性能比较.结果显示,使用蜣螂算法优化的LightGBM模型较最优的对比模型准确率提升了1%,十折交叉验证均方误差RMSE均值提升了23%.该结果表明DBO-LightGBM有效提升了气井泡排措施后产量预测的精度.

关键词： 网络工程   云计算   工程优化   时间复杂度   云模型   优化算法   弹性计算   深度分析  

摘要： 随着云计算技术的快速发展,其在网络工程优化中的应用日益广泛。本文以网络工程优化为研究背景,探讨使用基于云计算的优化算法,一是通过对传统网络工程优化算法的深度分析,揭示了其在时间复杂度、计算精度等方面的局限性;二是提出了一种基于云计算的网络工程优化算法,并通过云模型实现了对网络工程优化问题的求解。实验结果表明,与传统优化算法相比,基于云计算的网络工程优化算法在解决复杂网络优化问题方面具有更高的计算效率和精度。同时,由于云计算的弹性计算能力,该算法还能在快速变化的网络环境中进行快速地优化计算,这一结果为网络工程优化提供了新的方法,同时也证明了云计算在网络工程优化上的巨大潜力。

关键词： C语言教学   循环结构   教学策略   中职教育  

摘要： 探讨中职计算机C语言课程中循环结构的教学策略。分析for循环、while循环和do-while循环3种基本循环结构的定义、语法格式、执行过程、循环次数、共同点,并结合实际教学经验,提出一系列教学优化策略,以提高中职学生的C语言编程能力和逻辑思维水平。

关键词： 新工科   混合教学模式   职业本科   “算法与数据结构”  

摘要： 本文基于新工科背景,以“算法与数据结构”课程为例,深入分析了线上线下混合教学模式的必要性及其实施策略。本文提出了将理论知识与实践操作有机融合的教学设计,并通过两轮教学实践验证其有效性。混合教学模式不仅优化了教学资源配置,提高了教学效果,还培养了学生的自主学习能力和适应能力,有效解决了传统教学中存在的问题,为职业本科教育的高质量发展提供了有益参考。

关键词： 安全工程   火焰识别   YOLOv8   图像检测   算法优化  

摘要： 目前民航客机货舱火灾探测主要通过烟雾探测实现,存在漏报、误报、实时性差等问题,基于视觉的视频图像探测是解决上述问题的重要技术。针对视频图像检测火焰算法多收敛速度慢等问题,提出了基于YOLOv8优化的火焰检测算法模型。首先,在众多视频火焰检测算法中,以火焰检测精准度筛选出YOLOv8算法作为底层火焰检测算法,针对YOLOv8算法,以优化速度为方向,设计了RFAConv卷积方式,运用组卷积方式融合卷积通道,以达到减少YOLOv8计算量、提升运算速度的目的。通过采集模拟货舱大空间火灾火焰图像,验证了优化后的YOLOv8火焰检测算法在检测精度不变的情况下,压缩了10%的参数量,实现了算法的轻量化,提升了运算效率。

关键词： 大数据   数字图书馆   Hadoop   分布式计算   数据管理  

摘要： 在当今信息技术飞速发展的背景下,高校数字图书馆正面临着转型的重大机遇与挑战。文章探讨Hadoop在高校数字图书馆中的应用,包括其在数据存储、数据处理和系统可扩展性方面的优势。同时,文章也讨论了通过技术应用与创新、人才培养和跨学科合作来优化图书馆服务的策略。最终,文章旨在为高校数字图书馆如何利用Hadoop技术来提升服务质量和操作效率提供策略建议,帮助图书馆更好地适应数字化时代的需求。

关键词： 人工智能   电力通信   传输网络异常检测   长短期记忆(LSTM)网络   卷积神经网络(CNN)  

摘要： 利用结合长短期记忆(Long Short-Term Memory,LSTM)网络与卷积神经网络(Convolutional Neural Network,CNN)的深度学习模型,提出一种基于人工智能的异常检测算法。通过收集和预处理电力通信网络数据,提取关键特征,利用CNN捕捉数据的空间特征,再通过LSTM分析其时序依赖性,以准确识别异常信号。实验分析表明,LSTM-CNN混合模型在多项指标上均优于传统方法,具有较低的误报率和漏报率,尤其在复杂异常场景下具有较强的适应性与健壮性。研究结果表明,设计算法可有效提高电力通信传输网络的异常检测效率,为智能化电力系统的运行安全提供有力支撑。

关键词： 多源数据   数据评估   时间序列   数据管理   算法预测  

摘要： 该研究在对多源数据进行表征参数筛选的预处理基础上,依托多源数据时间序列分析体系,构建了数据管理预测模型,通过实际案例数据对模型的合理性和适用性进行了比较验证,同时进行了数据预测的精确性和平稳性检验。研究结果表明,多源数据时间序列算法训练时间达到5.4h左右即完成模型计算收敛,同时时间序列模型决定系数更大,产生了更稳定的预测值,且大多数预测集中在中值附近,其预测准确度较高,为98%。该研究的时间序列算法能够对多源数据突变的发展趋势进行良性捕捉,并对数据的突变响应做出及时预测。

关键词： 智能医学   类重叠   混合采样   腰椎间盘退变  

摘要： 医学数据的类重叠问题会严重影响疾病的智能诊断效果。为了减轻腰椎间盘样本的类重叠对分类器产生的不良影响,提出了一种可减轻类重叠的混合采样算法——CO_HS算法。该算法将训练样本划分为核心样本、边界样本和噪声样本,对重叠区域的样本进行采样,以减轻样本集的类重叠程度。采用CO_HS算法产生的新训练样本集训练RF等分类模型,并建立了6种新的腰椎间盘退变分类器。实验结果显示,建立的新分类器在多项性能指标上均实现了显著提升,其中准确度提升了7.8百分点~12.7百分点,kappa系数提升了11.6百分点~20.2百分点,敏感性提升了7.9百分点~16.8百分点,特异性提升了9.0百分点~18.2百分点,F指标提升了9.4百分点~18.4百分点。因此,CO_HS算法被证明是一种能有效解决样本类重叠问题、改善分类性能的高效方法。

关键词： 深度学习   目标检测   计算机视觉   检测算法  

摘要： 目标检测是计算机视觉领域中的重要任务,被广泛应用于身份识别、数量统计、位置确定等领域。随着计算资源的增长,深度学习已经替代了大部分的传统图像算法,在目标检测领域上取得了很大的进展。然而,目标检测依然面临诸多挑战,如物体尺寸不一、背景复杂、排列密集、方向任意等,这些问题使现有的检测框架依然有提升的空间。尽管如此,目标检测的算法经过发展已经有了很大的提升,并且在各种领域起到了巨大的作用。