长治学院计算机系
- 作品数：339 被引量：682H指数：12
- 相关作者：张剑妹李艳玲王崇霞李静雅王新龙更多>>
- 相关机构：山西大学计算机与信息技术学院北京科技大学计算机与通信工程学院北京大学信息科学技术学院更多>>
- 发文基金：国家自然科学基金山西省普通本科高等教育教学改革研究项目山西高校科技研究开发项目更多>>
- 相关领域：自动化与计算机技术文化科学电子电信理学更多>>
- 基于相关差分振子阵列的煤矿电机故障诊断研究
- 2016年
- 针对煤矿电机设备所处环境背景噪声大,设备故障信号的信噪比低,难于诊断的问题,提出将相关差分振子阵列的方法用于煤矿电机设备故障诊断。应用该方法对煤矿电机设备轴伸端振动信号检测,研究结果表明相关分析可以去除电机轴伸端振动信号中的背景噪声,提高了信噪比,差分振子阵列对电机信号中可能包含的不同频率的信号进行检测,可以准确诊断出煤矿电机不对中的故障隐患,是一种新的煤矿电机设备故障诊断方法。
- 李静雅魏红
- 关键词：故障诊断
- 基于Logisim的奇偶校验码仿真实验的设计和实现
- 2021年
- 围绕CDIO人才培养理念,针对“计算机组成原理”课程可靠性编码在教学中缺少应用实践这一问题,提出了基于Logisim的仿真实现方法。在理论教学的基础上,基于Logisim对奇偶检验码的编码、干扰和检错过程进行了仿真。实践证明,将仿真电路引入实验教学中,对学生理解可靠性编码的设计原理、实现方法以及提升其应用能力具有很好的作用。
- 何苑
- 关键词：奇偶校验码
- 僵尸主机的识别方法研究
- 2015年
- 0引言 随着计算机网络的迅速普及,很多安全问题日益暴露出来。僵尸网络（Botnet）,一种从传统恶意代码形态进化而来的新型攻击方式,它是各种恶意软件传播和控制的主要来源。攻击者会利用被控制的大量僵尸主机发起大规模的网络攻击,以轻易对因特网任意站点发起分布式拒绝服务攻击,并发送大量垃圾邮件,从受控主机上窃取敏感信息或进行欺诈以牟取经济利益[3]。
- 赵晓丽
- 关键词：僵尸网络识别方法网络攻击恶意软件代理技术
- 基于云的校园网数据中心构建被引量：1
- 2019年
- 校园网数据中心在学校日常管理中収挥着不可替代的作用,在新时期的背景下,网络技术飞速収展,因此传统的数据中心已经不能满足社会需求,基于云计算的校园网络中心极建逐步成为热点问题。通过互联网和云计算来打造的现代化校园网络中心平台,能够有敁提升高敁管理的质量与敁率。基于此,本文从云计算的优势入手,首兇分析传统校园网络数据中心极建中存在的各类问题,然后探究基于云的校园网络数据中心极建措施,帇望可以借此给我国高校校园网络数据中心的优化提供一定的参考。
- 宋建松陕粉丽
- 关键词：云计算校园网数据中心
- 混合式教学模式满意度研究被引量：3
- 2021年
- 高等教育正逐步从传统课堂教学转变为线上教学+线下教学的混合式教学模式。以大学计算机课程为例,使用IPA模型分析法对混合式教学模式的满意程度进行分析。结果显示,学生对在线教学平台、教学内容和师资水平满意度较高,而线下教学环境、师生互动等方面还需要大力改善。文章提出了按照教学模块建立学习兴趣群、增加基础设施和分层授课模式的建议。
- 李慧芳
- 关键词：混合式教学模式满意度大学计算机课程
- 几种常见的图像去噪算法研究被引量：7
- 2012年
- 基于图像在传输过程中会受噪声的影响,系统地阐述了噪声的种类以及图像的去噪原理,并且在此基础上研究了几种常用的图像去噪算法,最后给出了两种性能指标来判定图像去噪算法的优劣。
- 杜丽美
- 关键词：噪声PSNR
- 谈基于给定散乱点的图形重建技术
- 2013年
- 基于给定的散乱数据点,研究如何在计算机中进行图形的重建,主要过程为先生成初始三角网,然后对初始三角网进行插值细分,最后利用OpenGL中的相关函数对生成的三角网模型进行设置.
- 杜丽美
- 关键词：插值细分
- 关系数据库的并发控制与实现途径被引量：3
- 2012年
- 允许多个用户共享数据是关系数据库管理系统的重要特点之一。但当多个用户并发地操作数据库数据时,RDBMS必须提供合理的并发控制机制来保证事务的隔离和数据的一致性。在介绍并发控制理论的基础上,本文总结了若干实现关系数据库并发控制的主要途径。
- 陈秋月张剑妹
- 关键词：关系数据库并发控制事务一致性
- 一种高效用模式挖掘算法
- 2022年
- 针对已有两阶段高效用挖掘算法在遍历解空间时耗时过长的问题,提出一种随机高效用模式挖掘算法。即在阶段一置若干随机数,每个随机数对应一个节点,随后计算该节点的事务权重效用值并利用事务权重向下闭包的特性,若该节点的事务权重效用值低于设定阈值,则该项集的任意超集被剪枝。实验表明,该算法平均运行效率相较原始算法有明显提升。
- 钟新成李慧芳
- 关键词：剪枝
- 基于深度全卷积神经网络的图像识别研究
- 2022年
- 将要建立多层卷积网络模型,并使用AlexNet预训练模型,在此基础上进行迁移学习,使用kaggle的猫狗数据集进一步训练,模型最终能高灵活度、高准确率的识别猫狗图像,并且不受图像中猫狗的占比大小影响。该网络模型共有6 000万参数,一共包含8个卷积层,其中某些卷积层带有归一化层和池化层,最后一层是具有两个通道的图像输出,每个通道的值分别代表图像为猫和狗的概率。整个网络模型,弃用全连接层,选用全卷积网络来代替全连接层,大大提高网络的灵活性,解决了输入图像分辨率的限制问题,并且全卷积网络的前向传播更加高效,加快了训练的速度。为了方便分析以及进一步的研究,将可视化一层卷积和二层卷积所得到的卷积核和特征图。
- 姬壮伟
