以大连市冰山工业文化展览馆为例,通过抓取大众点评网中的游客评论,使用MAXQDA软件进行质性分析,阐述了游客的体验质量并指出提升策略.研究发现,游客对工业文化展览馆的整体情感呈现积极情绪,对景区的文创产品、基础设施等味觉和视觉体验都比较满意,但是在触觉、听觉和视觉体验方面有待提升.同时,指出工业遗产旅游中存在旅游者不可进入、遗产知晓度不高、遗产旅游产品体验感不强等问题.最后,从微观和宏观角度出发,提出了相应的对策和建议.
针对复杂场景下人物饰品检测精确率低,鲁棒性和泛化能力差等问题,提出一种基于改进YOLOv5s的饰品检测算法.首先使用GhostNet作为骨干网络高效生成更加丰富的特征图,实现提升特征提取速度的同时保持精度;接着使用CBAM轻量级注意力机制实现注意力对通道和空间的双重关注,提升模型的准确率;然后在Neck使用SPPFCSPC空间金字塔池化结构,结合SPPF结构与CSP结构在融合多尺度特征的过程中进行通道切分处理再拼接,能够让模型学习到更多的特征,从而提升模型的精度;最后引入损失函数 CIoU 进一步提高模型性能.在人物饰品检测数据集上的实验结果表明:改进后的YOLOv5s模型平均精度达到82.6%,参数量为62 M,与YOLOv5s相比参数量压缩了18.2%,平均精度提升了8.9%.
为解决混合气氛中气体浓度识别问题,常利用气体传感器阵列配合模式识别算法进行检测.设计了基于嵌入式处理器的传感器阵列,并利用识别算法对设备采集的混合气体进行分类识别及浓度预测.建立了以氨气、丙酮、甲醇气体为目标的混合气体数据集.使用最邻近分类算法(KNN)、三层全连接反向神经网络(BPNN)和三层卷积神经网络(CNN)分别对混合气体中的氨气、丙酮、甲醇气体进行识别分析.测试结果表明:改进的BPNN和CNN对测试数据集的分类识别率最高均可达 100%,对混合气体的浓度预测均方差最低可达3.89 和2.47,三层卷积层的CNN算法相对于BPNN和KNN在识别精度上提高明显.通过迁移学习思想,将该算法移植到树莓派中,并进行实际测试,实现了电子鼻应用.
随着科技的不断进步和数字化技术的快速发展,数字化应用已经成为许多高校的教育管理趋势和重要发展方向.提出数字化应用的目标是通过信息技术和数字工具来提高高校教育的效率、提升教学质量、改进学生管理、优化资源配置等,并进行分析.指出在探析高校教育管理的数字化应用中,要确保数字化应用能够真正服务于教育质量的提升和教学的可持续发展.期望可以为高校教育管理的发展提供有益的参考.
针对当前大学生面临的就业形势,即就业结构性矛盾依然存在、高校毕业生"慢就业""灵活就业"现象日益凸显、中小城市就业的应届毕业生比例上升、高校毕业生人数增加,在分析创新能力内涵的基础上,提出要以社会需求为导向加强大学生创新实践能力的培养,以创新能力为基础提升大学生思维能力,强化主动学习精神,转变大学生就业观念,以发展为核心提升大学生就业能力.
