摘 要:区域职业事故风险预测面临时空依赖复杂、多源因素耦合等挑战。本文提出自适应多模态时空图神经网络(AMST-GNN)框架:设计可分解异质图学习器,融合地理邻接、经济相似性与数据驱动依赖关系;引入协同-拮抗感知跨模态编码器,实现多源特征深度融合;搭建双引擎可解释性模块,结合SHAP与Grad-CAM实现全局特征归因与局部风险溯源。基于湖南省2011—2023年14个地州市面板数据开展实验,结果表明所提AMST-GNN模型的MAE低至0.486,优于现有基线模型。可解释分析证实,制造业与建筑业从业人员占比超过15%时,风险呈指数增长,同时揭示了风险沿产业相似路径溢出的空间规律。研究可为职业安全治理提供可靠的技术支撑与决策依据。
摘 要:在文物保护领域,传统壁画裂缝识别方法人工成本偏高。随着深度学习技术的发展,数字化检测方法在快速定位裂缝的同时还能实现壁画文物的有效保护,具备显著优势。本研究以山西明清时期壁画文物为研究对象,提出了一种基于YOLOv11与Navier-Stokes的端到端古代壁画裂缝识别与修复方法,在提高识别精度、增强修复效果的同时,有效提升运行效率。首先利用YOLOv11模型预测裂缝掩码,通过形态学运算对掩码进行优化,最后基于流体力学原理的Navier-Stokes方程实现裂缝的快速修复。实验结果表明,本研究提出方法在PSNR、SSIM、FSIM、LPIPS、VSI等多个指标上的修复质量显著优于传统方法,验证了其有效性、准确性和快速性。
摘 要:为快速高效监测老年人跌倒发生行为,提升老年人安全保障能力,本文开发基于YOLOv10s模型的老年人跌倒检测系统,融合SMT和CPCA模块。在YOLOv10s模型的图像特征提取阶段使用SMT替换卷积特征提取块,在浅层高分辨率特征图上,SMT借助CNN提取局部特征,并在特征融合阶段嵌入高效通道先验卷积注意力方法CPCA,以在复杂背景下可精准提取目标信息。结果表明,与原始的YOLOv10s模型相比,融合SMT和CPCA后的YOLOv10s模型在跌倒检测任务中,准确率和召回率分别达到98.8%、95.1%,分别提升2.9%、2.1%。该研究可为老年人跌倒防护提供技术支撑。
摘 要:当前带状柔性物易产生形变,现有技术很难测算出其可抓取姿态。本文提出一种带状柔性物可抓取姿态计算方法,流程为“点云分割—边缘提取—局部主成分分析”。第一,采用优化后的YOLO11n-seg模型对带状柔性物进行图像分割,结合深度相机数据获取目标物体分割点云,并对点云滤波处理以消除噪声干扰。第二,依托边缘提取算法明确可抓取点的具体位置。第三,借助局部主成分分析提取抓取点对应的主方向,将抓取点和主方向作为抓取姿态信息。实际测试数据表明,优化后图像分割算法掩码精度为0.98。在深度相机实时点云中,主方向识别结果偏差较小,实际运行帧率为30 FPS,可满足带状柔性物可抓取姿态的实时计算要求。
摘 要:本文针对复杂场景下的饮料目标检测,提出一种基于改进YOLOv8的检测算法。首先,在网络架构方面,本文引入了可变形卷积并结合双向特征金字塔进行高效的多尺度特征融合;引入无参注意力机制以增强模型的抗干扰能力。其次,为解决细长目标在CIoU下回归受限的问题,本文采用基于Shape-IoU的方法动态调整形状与尺度权重,提升了定位精度。此外,本文设计一套基于SAM的数据增强流水线方案,有效缓解了原始标注样本有限导致的过拟合问题,提升了模型在数据稀缺场景下的泛化能力。消融实验表明,在包含多类多背景干扰与密集排布的测试集中,本文提出的改进模型取得了优异的性能,mAP50达到0.950,mAP50-95达到0.726。本研究不仅为复杂场景下的饮料自动识别提供高鲁棒性的解决方案,也为类似的细长目标检测任务提供了具有参考意义的实践经验。
摘 要:为解决传统卷积神经网络在动物图像识别任务中特征提取能力有限、模型结构简单以及容易过拟合等问题,本文提出一种融合SE注意力机制的ResNet模型动物图像识别方法。在数据预处理阶段,该方法采用随机裁剪、颜色变换等数据增强技术,以增加样本的多样性;本文引入SE注意力机制对ResNet18模型进行优化,进而提高网络捕捉重要特征的能力。实验结果表明,改进后的ResNet模型在CIFAR10数据集上的分类准确率达到93.82%,较基线ResNet模型高1.25%,有效提升动物图像识别的准确率,验证算法改进的有效性。
摘 要:随着网络数据的飞速传播以及数据传输量的剧增,信息的安全传输极为重要,图像隐写作为信息隐秘传输的重要传播手段之一,通过将秘密信息隐藏在图像中实现隐秘传输。近年来,传统图像隐写方式面临无法满足大容量传输需求以及在传输中易被检测等问题,而可逆神经网络由于其独特可逆结构被广泛应用于图像隐写中。本文以基于可逆神经网络的图像隐写模型为例,梳理了近几年基于可逆神经网络的图像隐写模型的发展现状;通过分析模型的不可见性、隐写容量、鲁棒性三大核心性质,综述了传统可逆图像隐写与基于可逆神经网络的图像隐写方法;探讨了可逆神经网络图像隐写模型在这三大核心指标上面临的困难与挑战,并展望了图像隐写的未来发展趋势。
摘 要:随着云原生技术的广泛普及,Kubernetes已成为容器编排的主流平台。然而,其原生水平Pod自动扩缩器(HPA)属于被动反应机制,在短时突发流量下常出现扩容滞后和冷启动延迟等问题。本文提出一种基于自适应误差修正动态指数加权移动平均(AEC-Dynamic EWMA)模型的负载预测与主动调度策略:依据实时预测误差动态调整EWMA平滑因子,并引入动量更新机制稳定参数变化。在四节点真实Kubernetes集群上,采用阶梯流量和尖刺流量两种负载模式分别开展重复实验,与原生HPA和静态EWMA进行对比。结果表明:在阶梯流量下,本文方法的P95尾部延迟较静态EWMA降低38.9%;在尖刺流量下,P95延迟较静态EWMA降低64.2%,请求失败率降低76.2%。该方法无需模型训练,具备轻量级特性,适用于延迟敏感的私有容器云自动扩缩场景。
摘 要:服刑人员心理健康问题(尤其是抑郁症)易引发自杀自残、暴力冲突等事件,给监所安全管理与再犯罪预防带来严峻挑战。传统量表结合访谈的评估方法存在主观性强、效率低、易误判漏判等缺陷。本研究设计适用于监所复杂场景的智能心理筛查系统,融合视频、音频、文本等多模态数据,通过“时空同步采集、深度特征动态加权融合、LSTM时序建模”技术路径,实现非接触式心理健康风险监测预警。系统采用VGG19+SE提取微表情特征、微调后的wav2vec2.0提取语音情感特征、多尺度TextCNN+BERT分析文本语义,创新提出LSTM加权融合策略建模心理状态时序演变规律。测试显示,系统准确率达85.67%、召回率84.99%、F1值84.65%,综合性能优于传统量表,从而验证了其高效性与可用性。
摘 要:针对高校物联网设备数量激增带来的安全隐患,传统入侵检测方法在设备异构性、流量复杂性与实时响应能力等方面表现欠佳。本研究在深度学习CNN-BiGRU架构基础上,提出CMAE-CNN-BiGRU模型,引入SoftPool加权池化取代最大池化,在BiGRU末端叠加多头自注意力层(h=8),构建跨模态融合网络以整合流量与日志数据。在TON-IoT数据集上检测准确率达98.76%(提升4.23%),误报率降至1.98%,树莓派4B推理仅需2.78 ms,满足校园边缘节点部署需求,为智慧校园安全监测系统研发提供新选项。
摘 要:针对电商评论难以自动化处理、属性级情感分析精度有限等问题,本文将其作为一项重要的文本挖掘任务,构建基于LCF-ATEPC框架的属性级情感分析模型,融合BERT+CRF实体识别与BERT+CDW/CDM情感分类机制。研究选取相机、汽车、笔记本电脑等八大领域公开评论数据,经格式转换、异常清洗、多实体样本构造等预处理,利用CDW与CDM的权重向量增强实体周边情感特征。模型采用两阶段架构,第一阶段通过BERT结合CRF完成属性实体识别,第二阶段融合权重特征与BERT编码特征实现情感极性分类。依托Kaggle平台的GPU完成训练后,模型在测试集上的精确率为0.828,召回率为0.846,F1值达到0.837。实验表明,该模型在属性级情感分析任务中表现稳定可靠,具备较强的实用价值,可为企业产品改进与市场策略制定提供数据支撑。
摘 要:针对高校实验室自主预约模式下教师预约分散导致时间碎片化严重、集中性活动连续时段不足等问题,本文提出一种基于时间紧凑度的实验室智能推荐算法。该算法通过构建时间紧凑度评价模型,引导教师预约向连续时段聚集,有效改善实验室时间碎片化问题。以某高校14间实验室、1300余条预约数据为基础开展实验,结果表明,该算法可将时间碎片化率从40.7%降至18.2%,连续时段利用率从51.8%提升至81.2%,集中活动适配率从58.0%提升至94.0%,有效提升实验室资源利用率,为高校实验室智能化管理提供有力支撑。
摘 要:大语言模型在复杂交互任务中展现出较强能力,但其在开放场景下仍存在价值偏移、越狱攻击易感和输出行为不可控等安全问题。现有方法多将价值对齐、攻击防御和生成控制分开处理,导致模型在复杂提示和高风险任务中缺乏稳定性。针对这一问题,本文提出一种融合价值约束学习、对抗鲁棒增强与行为可控生成的统一安全对齐框架。该方法通过分层价值边界建模与偏好奖励塑形强化模型的安全约束能力,利用语义一致性驱动的对抗训练提升模型对提示注入、角色越狱和语义变体攻击的鲁棒性,并通过风险分级下的条件生成机制实现正常回答、警示回答、替代性帮助与拒答等多种响应策略的可控切换。
摘 要:随着国家对信息安全与技术自主可控的日益重视和政策推动,高等教育领域面临着信息技术国产化替代的迫切需求。在计算机类专业中,计算机网络课程作为基础核心课程,承载着培养学生网络配置能力、加深网络基础理论理解的重要任务。然而,当前高校计算机网络实验教学多依赖于国外网络仿真软件,如Cisco Packet Tracer、GNS3等,上述工具在软件授权、版本更新、系统兼容性和信息安全性等方面存在显著局限性。因此,本文以华为国产网络仿真软件eNSP(Enterprise Network Simulation Platform)为核心,替代传统国外产品,结合计算机网络课程的教学需求,构建基于eNSP平台的网络实验教学体系。该体系旨在通过提供更加安全、稳定的教学平台,深化学生对网络知识的理解,提升其实际操作能力。
摘 要:立足国家电子信息产业发展战略和新工科人才培养需求,本研究打造将知识传授、能力培养、价值塑造融为一体的通信课群。在教学实施中,以“通信电子线路”课程作为课群核心,构建并强化子群协同机制,采用BOPPPS设计标准化、可复制的教学模式,激发学生的学习兴趣和参与动力;构建教学评一体化、多维度的考核机制,促进教学目标和学习目标的双向达成。
摘 要:针对计算机类课程“重技术、轻价值”及AI时代学生技术伦理与社会责任感不足的问题,本文以“移动应用开发”课程为对象开展教学改革,构建“课程思政图谱”,推动专业教学与价值引领融合。通过梳理需求分析、界面设计、数据存储、智能推荐等环节的思政元素,构建“技术—伦理—责任”三维图谱,并依托教学平台实现内容与资源的可视化关联和智能推送;设计以“助老服务APP”开发为主线的任务驱动教学模式,在南通大学7个教学班开展一学期实践。结果表明,该图谱有效提升了学生成绩并降低不及格率。问卷显示,88.7%的学生对课程图谱的功能表示高度认同,认为其优化了课程结构,并显著提升了自身对隐私保护、算法公平等技术伦理的认知。研究表明,该路径可有效提升课程思政协同育人效果。
摘 要:近年来,人工智能(AI)技术快速发展并广泛应用于全球多个领域,职业教育面临挑战与机遇并存的新格局,语言类教学科目受到史无前例的冲击。在智能技术的加持之下,职业院校英语语言类教学科目应求新求变,多维度考量AI对职业教育产生的深远影响及应对路径,从教学理念、课程体系重组、教学模式、教学应用、学科教育与职业教育跨界融合、教学评价等影响方面着手,打破传统单一的教学模式,借助智能时代的科技力量重塑英语课堂,构建职业院校英语教学新生态。
摘 要:针对高职数媒类专业普遍存在技能训练与价值引领脱节的难题,本研究选取茂名职业技术学院数字媒体技术专业为样本,提出“技术+价值”双驱动育人理念,构建“两大导向、三融合策略、四类工具”的育人模式。通过开发“技术—价值”场景映射工具、建立数字工匠精神量化评价模型、引入AI辅助教学手段,进一步丰富教学场景,形成技术实现与价值表达双维评价体系。实践表明,该模式有效提升了学生的专业技能与社会责任意识,为高职同类专业实现“德技并修”育人目标提供了可推广的实践路径。
摘 要:人工智能技术的快速发展为各行业带来深刻变革,针对传统教学模式下学生数据工程能力弱、知识更新滞后于AI技术迭代等问题,本文开展教学改革探索。本次改革构建了“目标—内容—方法—评价”四维一体的教学新生态,引入开源数据集与动态可视化技术重构课程内容,融入LLM辅助编程等前沿技术,将其系统地贯穿于课程的各个教学环节。通过采集并整理山西工程技术学院2022年至2025年相关教学数据,结合可视化分析与统计检验,对改革效果进行实证评估。实证数据显示,改革后学生课程平均成绩提升10.46%,学生学习满意度显著提高。
摘 要:针对当前缺少从学生视角开展的AI赋能教学相关研究,本文基于“程序设计基础”与“面向对象程序设计”两门计算机基础课程的学生学习行为数据,分析程序设计类课程教学中AI编程工具对学生学习过程与学习效果的影响。针对分析发现的核心问题,本文提出AI助教四维驱动教学模式,并将其应用于程序设计类课程教学。教学实践表明,横向与纵向对比均显示该教学模式可整体提升教学效果,横向对比数据显示,采用该教学模式的班级平均分较其他班级平均分高10.6分。
摘 要:本文以咸阳师范学院人工智能通识课教学实践为依托,以生成式AI、范式、核心素养与联通主义学习理论为基础,从知识观、教学观、评价观三方面重构课程转型逻辑,突破AI仅为教学辅助工具的认知,提出“动态知识生态—人机协同教学—综合素养评价”三位一体课程理论框架和“目标—内容—教学—评价—保障”五维联动实践路径。经实践验证,该体系有效降低AI课程学习门槛,课程满意度达92.3%,学生的AI工具应用与伦理判断素养提升效果显著。结果显示,生成式AI赋能可推动课程从知识传授向素养培育转变,“同核心、异模块、分层任务”的设计模式为地方高校跨专业人工智能通识课建设提供实践方案,亦可为同类课程建设提供借鉴经验。
摘 要:公共资源交易是优化资源配置、建设全国统一大市场、服务中国式现代化的重要抓手。数字政务背景下,依托大数据、云计算技术搭建数字化平台,数字技术深度融入交易场景,持续推动公共资源交易平台向线上化、智能化方向转型,线上服务专业化趋势愈发显著。当前行业实践迭代迅速,但线上服务专业化理论研究较为滞后,无法满足行业发展实际需求。本文梳理公共资源交易平台线上服务专业化发展现状与时代特征,以基于“风火轮”数字底座构建的一体化服务体系为实证案例,剖析数字赋能驱动交易服务升级的内在逻辑与实践成效。研究表明,数字赋能可优化交易流程、规范服务行为、提升服务精准度,是平台服务专业化的核心驱动力,对完善交易市场体系、提升行业运行效率、推动公共资源交易领域高质量发展具有重要现实意义。