基于改进深度卷积神经网络的步态识别算法

针对传统步态识别算法因服饰携带物变换、视角等协变量因素变化导致的识别能力下降问题,提出了一种基于改进深度卷积神经网络的步态识别算法。该算法利用分层处理机制从步态数据中提取步态特征,能够降低常见变化和遮挡等情况对识别精度的影响,同时,算法根据实验确定了网络中每层特征图的最佳数量、特征图的最佳尺寸以及要用于步态识别的输入特征的类型,能够处理相对较小的数据集而无需使用任何增强或微调技术。CASIA-B步态数据库仿真实验表明,所提出的卷积神经网络覆盖了交叉视图步态识别和无主题的步态识别问题,能够克服与步态识别相关的协变量因素问题,具有更优的步态识别精度。     

“模拟电路”课程四步教学法改革与实践

为了满足应用型本科人才培养需求,对"模拟电路"课程教学进行全面地改革和实践。首先对教学模式进行探索,提出传统教学和多媒体教学相结合的方法;其次,对教学组织和教学方法进行探索,提出四步教学法理论;最后,重点介绍晶体三极管四步教学法的实践。通过几届学生的实践,"模拟电路"教学改革取得较好的效果。     

LBS中外包空间数据的kNN安全查询方法

云计算服务允许数据拥有者将数据库外包出去,从而避免高昂的存储和计算资源,该方法的关键在于既要对第三方服务提供商保持数据的机密性,又要为认证用户提供实时查询结果。对此,提出一种转换和加密方法,应用到服务提供商在空间数据集上执行用户查询和响应过程中。采用空间填充Hilbert曲线将多维空间的每一个空间点映射到单维空间;基于顺序保留加密技术处理转换的空间数据;用户向服务提供商发起基于Hilbert值的空间kNN查询,并应用加密密钥对查询响应进行解密。实验证明该加密方法能减少认证用户与服务提供商之间的通信开销。     

浅谈多媒体CAI课件选题与评价方法

多媒体CAI课件已成为现代化教学的热点,各类学校及有关计算机软件开发商都在关注其制作与开发。但如何进行课件选题及评价,却没有引起足够的重视,导致课件开发重复、质量差或使用价值不大,造成人力、物力、财力的浪费。本文就多媒体课件选题及评价方法进行初步探讨。     

基于神经网络的异构网络向量化表示方法

当网络中存在不同类型的对象时,对象与对象之间的关系会变得多种多样,网络的结构也会变得更为复杂。针对网络的异构化问题,提出了一种基于神经网络的异构网络向量化表示方法。针对具有图片和文本两种类型对象的异构网络,采用多层次的卷积网络将图片映射到一个潜在的特征空间,采用全连接的神经网络将文本对象也映射到相同的特征空间。在该特征空间内,图片与图片、文本与文本以及图片和文本之间的相似性采用相同的距离计算方法。在实验中,应用提出的方法进行异构网络的多种应用测试,结果表明提出的方法是有效的。