课程文献中心 更多>>

关键词： 连续   思政   教学   高等数学  

摘要： 文章主要探讨高等数学中函数连续性概念的教学设计.函数的连续性是一个承上启下的概念,它贯穿于高等数学的整个学习过程,也是解决众多应用问题的理论基础.为深化学生对这一概念的理解,文章提出了一个综合性的教学方案,通过精心构建的情境,结合认知发展理论和建构学习理论,将思政教育元素巧妙地融入教学之中.文章期望通过这一方式不仅能提高学生的数学素养,而且能够增强学生的社会责任感和历史使命感,从而培养出既有深厚数学基础又具备社会责任感的新时代人才.

关键词： 《洛神赋图》   设计创新   艺术与设计的融合   传统美学   “Ode to the Goddess of the River Luo”   Design Innovation   The Integration of Art and Design   Traditional Aesthetics  

摘要： 《洛神赋图》作为中国古代绘画的瑰宝，不仅以其精湛的艺术技巧和深邃的文化内涵著称，更因其独特的艺术特色为现代设计领域提供了丰富的灵感源泉。本文旨在深入探讨《洛神赋图》中的艺术特色，分析其如何为现代设计实践提供创新的思路和方法，并探讨如何将这些传统艺术特色有效地融入现代设计中，以实现文化的传承与创新。

关键词： 图神经网络   图池化   多粒度   图互信息   互信息神经估计  

摘要： 本文提出一种基于图互信息的池化算子——图互信息池化(graphical mutual information pooling,GMIPool)。GMIPool利用互信息神经估计度量节点及其对应的支撑图之间的图互信息(包括特征互信息和结构互信息),利用图互信息识别并保留图中的关键节点,构建更为紧凑的粗图。为确保原图和粗图在结构上的一致性,该方法利用节点之间的邻域关联性对粗图的结构进行修正。该方法在多个节点分类任务数据集上进行实验,验证了图互信息池化的有效性。

关键词： 小样本学习   图像分类   图神经网络   标签信息  

摘要： 小样本学习旨在通过有限数量的标记样本来训练分类器，以增强模型的泛化能力。现有方法主要依赖于样本特征作为图节点进行消息传递，并对样本间的关系进行隐式建模。然而，这种方法容易导致特征相似但类别不同的样本之间发生混淆，同时未能充分探索样本间潜在的复杂关系。针对这一问题，本文提出了一种标签引导的图神经网络小样本图像分类方法。该方法通过结合类原型和类标签信息作为图节点构建原型图神经网络，利用样本标签信息引导的相似性网络生成的邻接矩阵构建样本关系图神经网络，并采用一致性损失函数实现了两个图神经网络之间的相互指导与优化。在mini -ImageNet和tieredImageNet数据集上的实验验证表明，所提出的方法在小样本图像分类任务中的性能优于其它现有代表性方法。

关键词： 分数阶混沌系统   终端滑模控制   修正函数投影同步   不确定性   扰动  

摘要： 本文研究了一类分数阶混沌系统的有限时间修正函数投影同步问题.考虑到模型的不确定性及外部扰动的影响，本文给出了一个新的分数阶非奇异终端滑模面，基于分数阶Lyapunov稳定性理论证明误差系统在有限时间内沿该滑模面稳定到平衡点.为保证误差轨迹在有限时间内收敛到滑模面，本文设计了一个分数阶滑模控制器.本文以分数阶超混沌Chen系统为例进行了仿真，验证了该方法的有效性和可行性.

关键词： 干扰效果评估   数字通信   灰色关联   层次分析法   熵权法   组合赋权   最优传递矩阵   相关系数  

摘要： 针对通信系统干扰效果评估指标赋权的不确定性问题，提出一种最优传递矩阵层次分析法和相关系数熵权法的组合赋权评估模型。对通信系统进行模块化分解，根据不同模块特点选取合适指标构建评估指标体系；采用层次分析法和熵权法确定指标权重，通过改变赋值标度和引入最优传递矩阵解决了层次分析法中复杂度较高的问题，此外，通过引入相关系数解决了熵权法中指标横向对比不足的问题，并利用最小偏差法对主客观权重进行融合；选取灰色关联评估方法进行综合评估。通过对Link16系统评估仿真，从干扰类型，干扰频点个数和干扰时间三个方面验证了所提方法在复杂评估指标体系下获取的评估结果更准确。另外，与其他评估方法相比发现所提方法具有较强的干扰区分能力。

关键词： 流量分类   图神经网络   对比学习   协议分析  

摘要： 网络流量分类技术在网络安全领域中起到了关键性作用。现代网络架构高度复杂，网络流量传输过程中将会不可避免的遇到各种异常情况。为此，本文提出了一种稳定性指标，评估算法对数据异常干扰的抵抗能力，另外还基于图对比学习技术提出一种流量分类算法TCGCL（Traffic Classification Graph Contrastive Learning），可以同时提取网络流量内部的载荷特征及网络流量之间的通联关系特征，更全面的保留数据有效信息，在此基础上通过数据增强技术模拟网络流量异常状态表现，大幅提升了算法在数据异常情况下的分类稳定性。另外，基于协议分析技术，TCGCL对流量分类过程中图结构数据的构造方式进行了研究，提出了一种高质低维的属性生成方法。实验表明，相较于基线算法，在达到近乎相同准确率的前提下，TCGCL的样本输入维度降低了约80%。另外，针对复杂网络通信环境，TCGCL对测试样本进行了噪音混淆，模拟流量异常的情况，测试结果表明，TCGCL在流量出现异常的条件下仍可保持很高的分类准确率，且稳定性指标大幅领先于基线算法。

关键词： 光学计量   三刺激色   光谱反射率   重建   主成分分析   比色误差   优化函数   平均光谱残差   峰值信噪比  

摘要： 针对三色坐标中从颜色三刺激值重建光谱反射率的问题进行了研究，提出采用由多个异质项构成的优化函数来实现光谱反射率重建的方法。首先对测量训练反射率采用降维技术来获得它们的线性基和重建光谱的初始估计值;然后计算出重建光谱与测量光谱之间的光谱残差，并应用拟合系数优度(GFC)来测量光谱的初始估计值与训练集的每个元素之间的似然值，从而得到1个由比色误差项、2个形状可行性项和光谱误差项构成的优化函数，并基于这个优化函数运行优化程序来得到最终的反射率估计值;基于5个不同的光谱数据集上的仿真实验结果表明，在所考虑的全部误差指标方面，所提出的算法比现有的基准方法能够以更高的精度重建光谱反射率。

关键词： 异构环境   图划分   分布式计算   图计算   数据管理  

摘要： 图划分在分布式处理大规模图数据中扮演着关键的角色。通过平衡节点的工作负载和通信成本，图划分算法提高了同构集群的幂律图处理效率。然而，异构集群节点间计算能力和通信能力不一致，节点处理相同工作负载的时间成本不同，最慢的节点成为系统瓶颈。为解决上述问题，异构感知流划分(Heterogeneous Aware Stream Partitioning, SHAP)算法被提出。SHAP算法采用One-pass流式邻域启发式划分策略，根据节点的性能来最小化分区间的图处理时间。通过复制因子分析，SHAP划分质量被证明具有理论上界。在一个具有4个真实世界图的异构集群中进行图处理算法实验。实验结果表明，SHAP与HDRF(HighDegreeReplicatedFirst)图划分算法相比，图处理算法时间最多可以减少67.49%,SHAP算法复制因子最少仅为HDRF算法的47.06%。

关键词： 类激活映射   显著性图   多阶梯度   可解释机器学习  

摘要： 类激活映射(class activation mapping， CAM)通过生成显著性图来解释深度学习模型的决策过程。然而，现有CAM方法在生成显著性图时，难以兼顾精确度与鲁棒性。本文提出了一种基于多阶梯度优化的CAM方法——multi-step gradient class activation mapping (MG-CAM)，通过引入多阶梯度优化策略，融合多维特征信息，动态调整特征图的权重分布，以提升显著性图的精确表达能力与可靠性。在ImageNet数据集上设计了实验，结果表明，MG-CAM在多个评价指标上均有良好表现。此外，MG-CAM通过了健全性检查和消融实验，验证了其对模型参数的敏感性和多阶梯度优化策略的有效性，为提高深度学习模型的可解释性提供了一种研究思路。