基于深度卷积神经网络的红树林物种无人机监测研究

红树林生态系统具有重要的生态价值和经济价值。但是近年来由于人类活动、环境污染等因素红树林的面积日益减少,红树林的保护变得极其迫切且重要。提出一种基于深度学习的红树林物种监测方法,以无人机采集红树林待监测区域图像为研究对象,基于LeNet-5模型结构构建深度卷积神经网络模型,将得到的新的网络模型命名为LeNet-5(2)。在新的卷积神经网络模型中,利用Leaky-ReLU激活函数解决模型中容易出现的梯度消失的问题,并且采用dropout技术提高网络模型的泛化能力,解决网络模型中容易出现的过拟合问题。利用LeNet-5(2)网络模型对红树林图像进行物种识别并标记,总体识别准确率87.31%,基本映射红树林各类物种的分布情况,预测出图像中4类红树林物种的面积分别为:白骨壤1 578.31 m^2、红海榄162.07 m^2、木榄58.94 m^2、秋茄871.79 m^2。将预测结果与图像中红树林物种的实际分布进行比较,总体上符合四类物种的实际分布情况。     

C语言教学改革

C语言以其功能强大、使用灵活、应用广泛等特点被首选为计算机语言教学,但是因其涉及概念多、灵活性大、学生普遍感到难学。针对当前C语言教学存在的问题,从教学内容、培养学生学习兴趣、教学方法等方面提出了相应的措施。     

一种基于状态空间模型的进化算法

传统进化算法主要通过选择、重组和变异这三种遗传操作实现种群的进化。在进化过程中通常需要设定群体规模、交叉概率和变异概率等参数，而且它们的值会直接影响计算结果及精度。为了简化操作过程，设计一种基于离散系统状态空间模型的进化算法，这种算法采用实数编码方式，构造一个状态进化矩阵来实现重组和变异的功能，提高算法的可操作性和可靠性。并将该算法应用于求解无约束全局优化问题，对几种典型的测试函数进行仿真，结果表明：这种新的进化算法具有搜索能力强、收敛速度快、计算精度高、操作简单等优点，对相关研究有参考作用。     

基于互联网教育的高校食品学科互动研讨式课程建设思考

互联网的兴起改变了人类文明的传播速度,也正在潜移默化地启动了现代教育的变革。高校教学是一个复杂的教育网络,学科的差异致使基于学科的教学方法出现了截然不同的反差。而互联网的出现,使得高校课堂出现了前所未有的同质化改革方向,然而在推动高校不同学科课堂教学改革的步伐上,却出现了大相径庭的结果。食品学科作为高等教育轻工类一个重要的分支,基于互联网教学的浪潮,开展互动研讨式的课程实践,对推动成果导向教育(OBE)理念、深化高校食品学科的课程创新、探索食品学科课程教学新模式具有重要的实践意义。     

基于Sentinel-2影像和机器学习算法的冬小麦秸秆覆盖度遥感估算

为探究大范围小麦秸秆覆盖度(CRC)估测方法，以冬小麦秸秆为研究对象，基于Sentinel-2遥感卫星影像光谱指数、波段和纹理特征及其不同特征组合，利用灰色关联-随机森林(GRA-RF)敏感特征提取方法，结合高斯过程(GPR)、套索(LASSO)、岭回归(RR)和偏最小二乘(PLSR)等多种机器学习算法，开展小麦CRC估算的最优模型研究。结果表明，基于GRA-RF特征优选后的机器学习模型显著改善了小麦CRC的估算精度，LASSO算法总体对小麦CRC的估测效果最佳，并且针对不同的光谱特征组合表现出差异化的结果。其中，以光谱指数、波段和纹理信息构成的组合特征集构建的CRC遥感估算模型精度最优(r²=0.65,RMSE=9.25%),以波段与纹理两者组合特征估算的CRC精度次之(r²=0.63,RMSE=9.31%),仅利用单一的光谱指数、波段或者纹理特征估算冬小麦CRC的精度均劣于组合特征的结果。这说明应用GRA-RF组合筛选方法能够有效优选秸秆覆盖度的光谱特征；相比于单一特征，光谱指数、波段、纹理信息等构成的组合特征更能有效地监测小麦秸秆覆盖度...     

RSA加密方式的应用及优化

本文研究了RSA密码体制的核心算法,提出了该核心算法在处理大数运算时速度太慢的问题。RSA加密体制执行的效率很大程度取决于快速进行模幂运算,模幂运算又相当于模乘运算的循环,蒙哥马利模乘运算利用二进制数的位移原理解决了快速模乘问题。根据蒙哥马利模乘运算的原理,验证了蒙哥马利算法提高RSA加密体制的实际效率。     

图书馆电子期刊在大学本科研究性学习中的作用

通过对大学本科研究性学习的内涵及其特征的分析,目标是培养大学生的创新能力;图书馆电子期刊的信息支撑和服务支撑,与此形成了相互依存、相互促进的关系。     

内隐学习对大学生实践能力培养的启示

内隐学习是一种区别于外显学习的无意识学习活动。大学生实践能力自身的特点决定了无意识学习也会对学生产生深远的影响。“内隐学习”为开发学生的无意识潜能提供了很好的理论佑据，也促使我们从心理学层面反思实践教学。     

中专学生学习动机的调查和激发

在对中专生学习动机调查中,分析了中专学生不同学习动机与学习成绩的关系,提出培养和激发中专生的学习动机与学习方法。     

基于近红外光谱和深度学习数据增强的大米品种检测

近红外光谱和深度学习结合的思路是大米品种检测的重要研究方向，其准确检测模型的建立依赖大规模的样本数据，然而采集和预处理样本耗时巨大，对准确性的提升造成限制。为解决上述不足，便于深入探究近红外光谱结合深度学习方法在大米品种检测领域应用的可行性，该研究提出基于近红外光谱结合改进型深度卷积生成式对抗神经网络（deep convolutional generative adversarial network，DCGAN）数据增强的大米品种检测方法。首先，在相同环境下采集4种大米品种的近红外光谱并对原始光谱数据进行预处理，使用去趋势校正（detrend correction，DC）和无信息变量消除算法（uninformative variable elimination，UVE）消除无用光谱特征点。然后，建立改进型DCGAN模型对预处理后的光谱数据进行数据增强，对比试验结果表明，改进型DCGAN相比与传统数据增强方法，改进型DCGAN生成数据的结构相似度指标更优。最后，研究不同数据增强方法结合不同分类方法建立大米品种分类模型的性能，对比试验结果表明，改进型DCGAN数据增强结合一维卷积神经网络（one-dimensional convolution neural network，1D-CNN）分类算法所建模型面向测试集的准确率最高，为98.21%，为简便准确的大米品种检测方案提供了新思路。