课程文献中心 更多>>

关键词： 客户用电行为   Apriori算法   K-means聚类   大数据分析  

摘要： 本研究提出了一种融合改进K-means聚类算法与Apriori关联分析的新方法,用于电力消费行为分析;针对传统K-means算法对初始值敏感的问题,通过改进初始聚类中心选择机制,构建了鲁棒性更强的电力用户分群模型;在此基础上,应用Apriori算法对各用户群体的用电特征进行多维关联规则挖掘,揭示消费行为间的隐含规律。实验结果表明,该混合模型较传统单一算法在聚类质量上提升23.6%,关联规则发现效率提高41.2%,特别在峰谷用电模式识别与跨区域消费特征关联等场景中展现出显著优势。研究成果为电力企业实施差异化定价策略和精准需求侧管理提供了可靠的数据分析工具,可有效支撑客户分群与需求预测等核心业务。

关键词： 算法   思想政治   话语  

摘要： 智媒体时代高校思想政治教育“话语革命”已然到来,受网络场域、社会环境、主体因素等多重影响,高校思想政治教育话语构建面临着新的困境和机遇。算法推荐在高校思想政治教育话语构建和传播中有着技术基石的作用,而要冲破“信息茧房”束缚、突破“算法黑箱”操作、打破“流量为王”逻辑,高校思想教育工作者需与时俱进,主动拥抱算法技术,优化思想政治教育话语内容,加强算法风险防范,提升算法的理性批判意识和科学运用能力,确保思想政治教育达到成风化人、润物无声的效果。

关键词： 信息科技   计算思维   表现性评价  

摘要： 学生计算思维的培养贯穿于信息科技教学的全过程。将表现性评价有效运用于信息科技的大单元项目式教学中,有利于改变传统评价中教、学、评分离的状况。教师可以采取“一主双线,三维评价”的策略,通过分析教学过程中的实际问题、创设真实情境来确定单元主题以驱动大任务的落实,通过解决生活问题、设计相关活动两条主线开展活动,并以自评自导、互评互助、师评助力三维评价支持聚焦计算思维培养的表现型评价,助力学生核心素养的提升。

关键词： 计算思维   游戏化教学模式   教学改革   二分查找算法  

摘要： 为增强学生的计算思维能力,本文探索一种游戏化教学模式,将复杂的计算思维过程转变为富有趣味性的游戏任务。实践教学的结果显示,游戏化教学的教学效果优于传统教学。

关键词： 网络安全   数据加密与解密技术   应用  

摘要： 随着数字化时代的到来,数据传输以及存储存在着极大安全风险,攻击者可能依靠各类手段篡改、窃取或破坏数据,因而网络安全越来越被重视。数据加密与解密技术作为网络安全领域中进行信息安全保护的有效手段得到了极大发展。本文对网络安全环境下数据加密以及解密技术展开深入探索,力求能让该技术在网络领域得到更广泛的应用。

关键词： 自组织映射   智能算法   蚁群算法   Matlab平台   配送效率   物流配送   低空飞行   算法的有效性  

摘要： 无人机物流配送是城市低空经济发展的重要应用,而航迹规划是提升配送效率、降低成本和保障安全的关键技术之一。鉴于城市低空飞行环境的复杂性,传统航迹规划算法存在效率低和准确性差的缺点。本文结合多种智能算法的特点优势,分析研究现状后,提出了一种融合自组织映射算法和蚁群算法的融合智能算法,并在Matlab平台仿真验证了算法的有效性。

关键词： 镜头分割   渐变检测   亮度方差   分块直方图  

摘要： 镜头是视频索引、搜索浏览和老旧影像快速修复的基本单元,因此开发高效镜头分割算法,使用户得以迅速定位切换点至关重要。本文通过详细分析镜头串接的特点,根据镜头发生切换时亮度方差均值直方图所表现出的特性差异找到切换点,从而达到分割镜头的目的。针对各种类型的渐变检测,首先,通过计算相邻图像间的光流矢量来校正图像偏移,并依据矢量量化结果和图像熵的评估确定所有潜在的镜头边界;之后,跟踪超像素以提取图像的显著区域,同时结合预训练的AlexNet模型学习视频帧的特征,并训练得到渐变镜头边界检测模型;最后,利用直方图帧差法和光流法排除由闪光和高度运动引起的误检,完成渐变镜头的边界检测。实验结果表明,本文方法在检测渐变镜头方面表现出色,同时对运动场景及闪光灯造成的干扰具有较强的稳健性。

关键词： 算法审计   算法风险   逻辑框架   实现路径  

摘要： 立足当下对算法风险治理的迫切需求,如何建立算法审计的逻辑框架发挥审计作用、利用算法审计缓解算法风险成为目前应当解决的问题。算法审计如今面临信息披露风险、制度框架不健全、理论基础薄弱、审计人员不足四大现实困境。基于此,算法审计框架应围绕算法审计目标、依据以及原则建立,从算法审计与不同审计手段有效联结、不同审计主体人员互动以及法律与审计协同治理三个角度为算法审计提供保障。由此拓展数智时代算法审计的研究,并为算法风险治理手段提供参考。

关键词： 深度学习   无损检测   神经网络   计算机视觉  

摘要： 为解决目前道路病害检测算法精度低、鲁棒性差的问题,提出了Bi-Swin Transformer结构。其主干特征提取网络采用四层Swin Transformer Block来捕获全局依赖关系,在特征融合阶段使用BiFPN融合网络实现特征在不同尺度之间的双向交流。在来自7个不同国家的道路病害数据库上进行训练,并应用数据增强方式。结果表明,Bi-Swin Transformer有着比Transformer模型及卷积神经网络更为优秀的性能,更适用于道路病害检测,平均准确率达到了0.539。其在小目标道路病害中的检测精度仍然为最优,高于当前先进的检测模型。通过实际检测表明,Bi-Swin Transformer模型不仅具有高精度,而且具有强鲁棒性。

关键词： 深度迭代译码   网页登录   校验码设计   BP类译码算法   神经网络   误比特率  

摘要： 为了降低校验码译码误比特率,保障网页安全登录,提出基于深度迭代译码算法的网页登录校验码方法。分析文本类和图片类网页登录校验码的设计原理,并针对BP类迭代译码算法通过计算变量节点和校验节点的校验通过率,初始化Tanner图的边信息,经迭代对数域后输出比特估计的硬判决,实现校验码译码工作时存在的由于持续性错误消息传播所导致的译码收敛速度降低问题。提出低密度奇偶校验码译码的深度学习强化算法,将迭代译码中Tanner图的边信息作为全连接深度神经网络输入,经网络的多层处理,减少错误的边消息,提升译码时边上消息传播过程中的可靠性度量值,保障网页登录校验码译码准确率。实验结果表明:在不同迭代次数以及不同码长下,所提方法均可获取较低的网页登录校验码译码误比特率,对不同种类网页登录校验码解码率较高,且解码效果受信噪比影响较小。