基于卷积神经网络的舰船图像类型识别

舰船图像类型识别是计算机视觉领域研究的热点,当前舰船图像类型识别方法存在误识率高、识别时间长等不足,为获得更优的舰船图像类型识别结果,提出基于卷积神经网络的舰船图像类型识别方法。首先提取舰船图像,对其进行增强、去噪、过滤处理,提升舰船图像质量,然后从舰船图像中提取识别特征,将其作为卷积神经网络的输入,舰船图像类型识别作为卷积神经网络的输出,建立舰船图像类型识别分类器,最后采用Matlab2017对5种类型的舰船图像进行仿真测试,卷积神经网络的舰船图像类型识别正确率超过95%,舰船图像类型的误识率和漏识别均低于5%,获得了理想的舰船图像类型识别结果,而且舰船图像类型识别性能远高于其他舰船图像类型识别方法,具有十分广泛的前景。     

新建构思想下插图式教科书在中职计算机专业的应用探究

随着国家职业教育改革的深入推进,中职教育的教学模式正在改变。教科书作为教师与学生之间的知识纽带也应做出相应的变革,使其发挥更大的作用。在新建构思想的视野下,插图式教科书逐渐受到中职学生的青睐,教材采用图文混编、图文情景对话、漫画插图等方式编写,有助于提高中职学生阅读理解能力,通过插图效应,使学生加深知识记忆,也为新建构主义思想这一理论提供有力支撑。     

新冠肺炎疫情下城市公共交通非常规防疫策略——以宁波市为例

在国家重大突发疫情面前,城市公共交通具有保障出行与阻断疫情的双重责任。面对新型冠状病毒感染的肺炎（简称新冠肺炎,COVID-19）疫情,城市公共交通既要保证有效运输,又要降低疫情扩散的风险。地铁和常规公交是城市公共交通系统不可缺少的一部分,在城市公共交通中占据重要地位。针对宁波市城市公共交通系统中存在的防疫问题,提出了基于问题驱动的城市公共交通非常规防疫策略。研究结果表明：新冠肺炎疫情形势下,城市公共交通系统防疫需要启动应急响应机制,遵循分区分类防控的基本原则,在保障人们刚性出行需求的同时,必须阻断疫情传播,减少通过公共交通运输造成的交叉感染,实现疫情可防可控。除体温检测、佩戴口罩与洗手消毒等防疫措施之外,还应结合地方实际和风险评估等级采取非常规的组合防疫策略,即：①面向城市常规公交,建议采取网格化运营策略、需求响应式运营策略以及应急公交接驳策略;②面向城市轨道交通,建议采取3级组合防疫策略,即暂停运营策略、车厢隔离防疫策略以及需求响应式防疫策略。以上常规公交与轨道交通的多种组合防疫策略需根据疫情的发展情况动态调整,及时启动相应级别的公共交通应急预案,被动防御与主动防控相结合,积极发挥城市公共交通在疫情时期的交通骨干作用和应急保障作用。     

印度太阳能公司发起可再生能源项目招标

2020年2月,印度太阳能公司(SECl)发起招标,以建设5GW全天候供电(RTC)可再生能源项目。如必要,还将建设燃煤火电项目,以确保年供电量至少达到80%。项目通过电子招标和反向拍卖方式进行招标。据悉,可再生能源项目可包括太阳能,风电,小型水电或其组合。可再生能源组合类型以及储能系统(ESS)的选择权应由开发商决定。     

基于出行行为模型的出行感染风险评估 ——以新冠肺炎疫情期间江苏省地区为例

为准确评估新冠肺炎疫情期间的出行感染风险,在对出行行为进行全出行链建模基础上提出出行风险评估模型.基于江苏省确诊病例流行病学调查报告和线上问卷调查数据,分别对病毒携带者和普通出行者出行行为模型进行参数标定,对比分析病毒携带者和普通出行者出行行为的异同.进一步对疫情期间不同出行方式和出行活动进行感染风险评估. 得到结论：交通管制措施可有效降低出行感染风险,就医出行风险明显高于其他出行活动,差旅在疫情传播初期风险较高,非机动车出行风险相对较低.