关键词： 学生行为识别   YOLO   多尺度行为感知模块   语义-空间深度融合模块   双尺度上下文聚合模块  

摘要： 针对课堂场景中学生行为尺度差异较大、分布密集以及后排学生行为识别精度不足等问题，本文在YOLO11n基线模型的基础上提出了一种改进的课堂学生行为识别算法：MSD-YOLO。首先，在Backbone部分引入多尺度行为感知模块，增强网络对不同尺度行为特征的感知能力，在特征提取阶段缓解前后排学生尺度不一致带来的影响。其次，在Neck部分设计语义-空间深度融合模块，从而加强高层语义信息与低层空间细节之间的交互，提升密集场景下特征表达的判别性。最后，在Head部分的每个检测头前引入双尺度上下文聚合模块，通过整合全局上下文信息与特征重标定机制，进一步增强网络对目标较小学生的行为区分能力，从而在检测阶段提升网络对后排学生行为的识别精准度。实验结果表明，与YOLO11n 基线模型相比，MSD-YOLO在自建数据集上的mAP@0.5和mAP@0.5:0.95分别提升了3.2%和3.7%；在公开数据集STBD-08上相较于基线模型，mAP@0.5和mAP@0.5:0.95分别提升2.4%和2.6%。同时，在引入较少计算量和参数的前提下，算法仍保持良好的实时性能，验证了改进算法在课堂学生行为识别任务中的有效性与实用价值。

关键词： 人工智能   大数据与会计专业   实践创新  

摘要： 本文以人工智能对会计行业与高职会计教育的影响、高职大数据与会计专业实践教学现状问题及实践教学体系创新路径为研究对象,运用文献研究、现状分析与逻辑梳理方法,分析其在影响剖析、实践教学问题梳理、创新理论框架构建及创新路径设计过程中的表现。旨在提出课程重构、产教智联平台搭建等针对性建议,提升高职大数据与会计专业实践教学质量及人才人机协同适配能力,为智能时代高职会计教育改革提供实践参考。

关键词： 符号网络   力导引布局   网络布局指标   可视化分析  

摘要： 为解决现有网络可视化布局算法未能充分考虑符号网络中连边符号特征的问题,提出了一种新算法,通过调整节点受力并考虑全局均衡性,根据连边符号调整节点位置,优化节点间作用力机制。实验结果表明,该算法能直观展示符号网络中的积极或消极关系,提升用户对网络拓扑结构的理解。此外,我们还提出了新的网络布局美学指标,量化布局质量,有效降低边长偏差和边交叉数。为符号网络的可视化提供了新方法,有助于深入理解复杂网络结构。

关键词： AI   大数据   招生培养就业   高校就业指导   数智化应用  

摘要： 为解决当前高校毕业生就业市场中存在的岗位供需匹配失衡、就业指导精准度不足及人才培养与产业需求联动性薄弱等现实问题,温州大学创新构建“AI职路规划师”、“AI成长智导师”、“AI求职引航师”,打造集职业规划、成长指导和求职引航于一体的AI“成长+就业”数智化应用,形成“需求感知—智能培养—精准输送”的人才培养体系方案。该体系通过职业方向个性化分析、成长方案动态规划、人岗智能匹配等核心功能,实现职业规划“千人千面”、成长指导“一生一策”及就业服务全周期覆盖,创新建立需求导向的人才培养动态调整机制、“招生培养就业”联动机制与政企校三位一体就业岗位共享模式,在技术层面完成校务中枢构建、多模态数据结构重构及知识与模型高效融合,为高等教育数字化转型提供了可复制的“温大方案”。

关键词： 智能通风系统   大数据分析   三维通风模拟   AI视频识别   应用  

摘要： 为提升万家庄煤业通风管理的智能化水平,确保井下通风安全与效率;研究并构建基于大数据分析、三维通风模拟与AI视频识别的智能通风系统,采用PLC控制技术结合模糊PID算法,实现动态风量调节。应用结果表明,智能通风系统可实现井下风速、风量、瓦斯浓度等参数的实时监测及动态调控,较传统通风系统响应速度提高约30%,每年节省人工费用约2%,通风系统电能消耗降低10%~15%。该智能通风系统的成功应用显著提升了矿井通风管理的精准性、安全性及效率,对推动矿山智能化转型具有重要实践价值。

关键词： 扩展折扣{0-1}背包问题   组合优化   非支配状态集   剪枝策略   动态规划算法  

摘要： 针对大规模扩展折扣{0-1}背包问题,传统动态规划算法因状态空间庞大而导致求解速率低下。由此,提出了一种带剪枝策略的动态规划算法,该算法融合了非支配解集思想,通过在构建状态规划矩阵的过程中系统地减少了冗余状态,有效抑制了各状态集中状态数的增长。为验证算法性能,构建了4类大规模测试实例,并与传统动态规划算法进行了对比。实验结果表明,所提出的算法能够在保证精确解的同时,提高了大规模算例的求解效率,求解速度平均提升了60.87%。

关键词： 目标检测   垃圾抓取   轻量化神经网络   垃圾分类   智能化  

摘要： 目的 垃圾分类智能化是未来发展的趋势,为提高垃圾分类和抓取的精确度和速度,降低人工成本,提出一种基于改进YOLOv5s的垃圾检测方法。方法 首先,YOLOv5s骨干网络采用参数更少、计算更快的MobileNet取代之前的CSPDarkNet53,并在网络的检测头部引入CBAM注意力机制;其次,构建垃圾分类数据集并进行数据增强,在该数据集上训练ImprovedYOLOv5s模型,并与原始YOLOv5s模型进行实验对比;最后,将改进后的网络模型移植到垃圾抓取机器人平台中进行抓取测试实验,该平台包括控制系统、视觉系统、抓取系统和移动基座。结果 实验结果显示,与原始YOLOv5s模型相比,改进后的Improved-YOLOv5s模型参数量为3.63×10^(6),仅为原始模型的51.63%;训练速度提高了60%,为5 min/次;检测速度提高了20%,为33 fps;检测精度mAP为0.44。抓取实验结果表明,机器人对形状规则、重量较轻的垃圾有较好的抓取表现,其中废纸团抓取成功率为95%,塑料抓取成功率为85%。结论 所提目标检测算法能够很好平衡检测精度和算法复杂度,比原始YOLOv5s更为轻量化,适合部署到移动端和嵌入式平台,提高了垃圾抓取机器人的实时性和成功率,对垃圾分类和智能环卫的发展具有一定的实用价值。

关键词： 遗传算法   生鲜食品   配送中心   选址  

摘要： 本文主要针对生鲜食品配送中心的选址模型构建进行研究,通过对生鲜进行需求量预测,得到生鲜食品未来的需求量,结合生鲜食品的特性,假设生鲜的新鲜度只与配送距离相关,构建总物流成本最小的配送中心选址模型。基于选址模型对遗传算法进行设计,并应用遗传算法对模型进行求解研究。最后,通过对S公司进行实地调研,利用构建的生鲜食品配送中心选址模型,为S公司拟建的配送中心进行选址分析。将S公司的需求量预测结果和其他影响因素进行综合分析确定备选点,通过遗传算法对选址模型进行求解,得到物流总成本最小的最优选址结果。

关键词： 油料储备网络   枢纽节点选址   改进帝企鹅算法   混合搜索策略  

摘要： 针对多级油料储备网络枢纽节点选址问题，综合考虑调运逻辑、需求满足、收发限制、流量平衡、负载均衡及时效等多重军事约束，以成本最小化为目标，构建了整数规划模型。针对模型离散、多约束及可行域碎片化等特性，设计了改进帝企鹅优化算法（IAFO）。该算法通过双优先级编码与可行域引导解码实现连续到离散的精确映射，融合自适应权重搜索与莱维飞行-种群扰动跳跃搜索以平衡开发与探索，并引入精英反向学习与重启机制抑制早熟收敛。算例表明，相较于遗传算法、粒子群算法及原始AFO，IAFO所得方案总成本分别平均降低4.58%、2.15%和1.37%，且求解稳定性与决策一致性更优。本文形成方法体系可为军事油料储备选址决策提供有效的理论与技术支撑。

关键词： 特征点提取   SIFT算法   SURF算法   ORB算法   LoFLAT算法   图像配准  

摘要： 为提高图像配准算法的精度和速度,提出一种使用聚焦线性注意力转换器的局部特征匹配算法LoFLAT。LoFLAT由3个主要模块组成:特征提取模块、特征转换模块和匹配模块。使用ResNet和特征金字塔网络提取分层特征;特征转换模块采用聚焦的线性注意力,以利用聚焦映射函数细化注意力分布,并利用深度卷积增强特征多样性;匹配模块通过由粗到精的策略预测准确且鲁棒的匹配。实验证明,本文算法与SIFT算法、SURF算法、ORB算法和改进SIFT算法相比,在纹理差和纹理丰富的区域都能够提取更多、更精确的特征点,且匹配速度更高。