基于PCTP的高职电子商务人才培养模式改革与实践

本文针对目前国内外电子商务人才培养模式研究的现状,对高职电子商务专业人才培养过程中所存在的问题进行了分析,提出了PCTP人才培养模式,并详细阐述了PCTP人才培养模式改革与实践的方法与措施。实践证明,该人才培养模式可以推广到浙江省乃至更广泛地区的高职院校中,为电子商务人才培养提供借鉴。     

一类基于多属性特征的时态近似周期挖掘算法

在多维时态近似周期模型的基础上,提出了一种基于时态数据库技术和层次聚类技术的多维时态近似周期挖掘算法,并应用于股票数据.实验表明此算法是有效的.     

基于U-net的水位线检测

提出一种基于U-net水位线自动分割的新方法,并通过多种场景进行验证。首先标记出原始图像中的水和背景并对其灰度化;然后利用处理后的图像和原始图像制作出数据集,把数据集作为输入利用U-net对图像进行分割;最后将所有分割出来的图像进行边缘提取得到水位线。实验结果表明:U-net水位自动分割可以精确地标记出水位线,同时解决了在水位测量过程中图像背景所带来的影响,分割效果明显优于其它分割方法,识别率达到96%以上。     

基于鱼群运动特征和XGBoost的异常水质监测

使用鱼群运动行为特征与XGBoost分类器相结合的方法实现水质监测。根据水质变化对鱼群运动行为的影响,引入从鱼群的运动行为中提取出来的一些具有代表性的特征参数,如中心距指数、离散度、分布面积 3个特征参数;其次分别提取正常和异常水质中鱼群游动距离、速度、加速度、曲率、邻近特征5个特征参数,建立水质异常评价因子数据库;最后将不同评价因子输入到XGBoost分类器中进行分类识别。实验结果表明:中心距指数、离散度、分布面积 3个特征参数能够高效、准确地反映水质状况。     

改进的混合高斯与YOLOv2融合烟雾检测算法

提出一种融合了改进的混合高斯和YOLOv2的烟雾检测算法。首先,针对烟雾的早期特征对混合高斯算法进行改进,有效框定动态目标感兴趣区域,提取出烟雾前景;在此基础上将烟雾检测转换为回归问题,利用端对端目标检测算法YOLOv2训练烟雾数据集,进行二次检测和筛选,最终框定出烟雾发生区域的具体位置和范围,满足对不同场景火灾烟雾的有效检测。实验结果表明,融合算法改善了烟雾区域的检测效果,提高准确性并有效降低烟雾误检率。     

“四方互通”课程开发机制研究及在电子商务专业的实践

校企合作是目前高职发展的重要导向,与企业合作进行课程建设的工作正在广泛开展。本研究着眼于构建学校、企业、课程专家、政府四个方面的关系互相沟通、制约、促进的课程开发机制,并在电子商务专业进行了数门课程的开发实践。     

可灵活扩展的IVR软件设计思想

IVR是呼叫中心的重要组成部分，其开发难度虽然不大，灵活度却不强，造成重复开发，增加成本，分析了IVR的一些特点，找出其规律，介绍了一种可灵活扩展的IVR软件设计思想。     

基于直觉模糊关系的供应链风险评估

针对供应链风险评判过程中的复杂模糊关系,借助直觉模糊理论,将犹豫度引入到具体的风险评判过程中,构建基于直觉模糊关系的供应链风险评判决策模型,并详细阐述了该方法的算法步骤,最后通过具体算例对该模型的实际应用进行了一定的分析.结果表明,该模型有望在实际中得到更加广泛的应用.     

基于多任务分类的吸烟行为检测

为了及时检测吸烟行为,准确做出状态判断,提出了一种基于多任务分类的吸烟行为检测算法。该算法融合多任务卷积神经网络、级联回归和残差网络,通过多任务卷积神经网络算法和基于梯度提高学习的回归树方法(RET级联回归)快速定位嘴部感兴趣区域(ROI);在此基础上,采用残差网络对ROI内目标进行检测和状态识别。实验结果表明,该算法可以准确检测到吸烟行为的发生并做出状态判断,准确率可以达到87.5%。     

基于卷积神经网络的生物式水质监测方法

生物式水质监测通常是先通过提取水生物在不同环境下的应激反应特征,再进行特征分类,从而识别水质。针对水质监测问题,提出一种使用卷积神经网络(CNN)的方法。鱼类运动轨迹是当前所有文献使用的多种水质分类特征的综合性表现,是生物式水质分类的重要依据。使用Mask-RCNN的图像分割方法,求取鱼体的质心坐标,并绘制出一定时间段内鱼体的运动轨迹图像,制作正常与异常水质下两种轨迹图像数据集。融合Inception-v3网络作为数据集的特征预处理部分,重新建立卷积神经网络对Inception-v3网络提取的特征进行分类。通过设置多组平行实验,在不同的水质环境中对正常水质与异常水质进行分类。结果表明,卷积神经网络模型的水质识别率为99.38%,完全达到水质识别的要求。