模糊聚类在学生综合素质评价上的应用

在现行的教育过程中,对学生的管理也是一门科学,教师在教学过程中,不应该仅仅是传授知识,而应该运用科学的方法教育学生,往往将传授知识和管理相结合的教学方法能做到事半功倍的效果。本文针对现行的教育,运用模糊聚类的思想,根据学生成绩将学生分类,以便在教学管理中,根据不同阶段的学生提出不同的教学要求和选取不同的教学、辅导方法,以全面提高学生的综合素质。     

基于专家定权和证据推理的舰船“六性”评估

针对新型舰船评估专家组意见统合及效能评估问题,在考虑新型舰船可靠性、维修性、保障性、安全性、测试性、环境适应性等"六性"特点的基础上,建立新型舰船"六性"评估指标体系。提出一种基于专家聚类和偏差熵的定权方法统一专家组意见。采用证据推理法实现对新型舰船的综合评估。以某舰船的3个设计方案为例,确定专家组权重信息,对各方案的"六性"水平进行综合评估,得到综合评估结果及各特性水平,验证基于专家定权和证据推理的综合评估方法的可行性和有效性。该方法可为新型舰船的"六性"评估工作提供决策支持。     

基于多窗口分析的语音检测方法

针对低信噪比条件下的语音信号检测性能差的问题,提出了一种基于多窗口时频图的语音活动检测方法.首先,基于多窗口的时频分析计算得到语音信号的时频图,根据语音信号与背景噪声的特征差构造语音测试统计特征.其次,采用动态的双门限处理进行初步检测,在此基础上通过K均值聚类得到全局的双门限值.最后,根据序贯判决的思想进行检测得到该方...     

基于Word2vec与K-means的高校图书馆在线评论主题分析

基于Python采集大众点评网上5所高校图书馆的在线评论,将预处理的在线评论文本通过Word2vec获得在线文本内容的词义向量,通过K-means算法实现文本主题的聚类,得到反映高校图书馆服务质量的5类主题,包括基础服务、自动化与数字化建设服务、面向读者服务、科研创新服务及文化传承服务。在分析5类主题特征的基础上,提出改进高校图书馆服务质量的策略。     

全球电子书创新历程与中国崛起路径

专利是科技创新与价值体现的核心,在技术研发、情报分析中起着重要的作用。专利分析能折射出各领域的科技创新能力,对电子图书产业亦是如此。文章分析电子图书领域研究现状,追溯全球电子图书领域创新轨迹,研究技术发展脉络,以及我国电子图书技术的全球地位与创新路径,并结合多维度评价标准分析我国电子图书高价值专利的转移转化情况。文章旨在引起电子图书领域技术与情报研究关注,激发更多有关电子图书未来创新突破的探究,为推动电子图书领域的新一轮科技革新和产业升级提供参考。     

结合超体素几何和色彩信息的快速3D点云分割

针对当前最先进的算法也存在因物体之间堆叠和遮挡关系造成场景分割速度慢、精准度低等问题,提出了一种新颖的快速3D点云分割方法,从点云的超体素划分开始,利用一种捕获几何和颜色信息的新度量标准合并超体素,以获得维持分割区域层次结构的3D分割;该方法还具有与输入点云大小呈线性相关的时间复杂度。与凹凸性方法和基于边界的方法相比,所提出的算法的分割精确度和效率更好。     

玻璃纤维加筋的橡胶材料直剪特性

基于纤维加筋土技术,将长度为1cm的短切玻璃纤维丝与废弃橡胶粉混合后产生复合材料,在此基础上进行直接剪切分析。在4种纤维掺入量、3种含水率、4种垂直压力的情况下进行对比分析,探讨加筋废弃橡胶复合材料的剪切特性、黏聚力、内摩擦角的变化规律。得出如下结果:在纤维掺入量增加过程中,黏聚力先减少后增加,橡胶强度与纤维掺入量间不呈现明显的线性关系,内摩擦角与纤维掺入量间未产生显著的变化关系,剪切强度与含水率间表现出负相关关联,增加含水率会减弱复合材料的黏聚力,含水率与内摩擦角间不存在显著关联。结果表明,对废弃橡胶进行玻璃纤维加筋处理,符合工业化生产与新材料应用的技术需求。     

基于LOWA算子的液压四足机器人方案配置

针对机器人在配置评价与选型中存在的需求主观性与离散性问题,提出了模糊需求聚类与语言有序加权平均(linguistic ordered weighted averaging,LOWA)算子的耦合方法。利用模糊聚类分析确定需求间的亲疏关系,通过模糊需求标准化实现对需求特征的定量分析;基于LOWA算子将相对语言变量向绝对语言变量转化,采用综合指数评价法确定满足要求的机器人配置方案,为机器人的配置选型提供了新思路。以液压四足机器人选型为例,在多需求非结构化环境下,该算法为机器人腿部关节配置选择提供了更科学可靠的遴选方法。     

车载激光点云中行道树及属性信息提取

由于地物遮挡、数据残缺、噪声等因素的影响,从车载激光扫描数据中提取行道树及其属性信息具有一定难度。针对此问题,提出了一种基于随机森林和车载激光点云数据的行道树及属性信息提取方法。首先,从多角度构建点云特征向量,利用随机森林对特征重要性进行度量和排序,选择对分类起积极作用的特征子集作为训练样本;其次,利用随机森林构建预测模型并对点云进行分类,提取行道树点云;最后,通过基于密度的聚类算法获取单株行道树,并以单株行道树为数据处理单元获取其树高、胸径、冠幅等属性信息。实验结果表明,使用该方法提取的行道树及其属性信息均呈现出较高精度,验证了本文方法的有效性。