您的位置: 专家智库 > >

周志全

作品数:6 被引量:17H指数:3
供职机构:北京电子科技学院更多>>
相关领域:文化科学自动化与计算机技术电子电信理学更多>>

文献类型

  • 6篇中文期刊文章

领域

  • 2篇电子电信
  • 2篇自动化与计算...
  • 2篇文化科学
  • 1篇理学

主题

  • 2篇实验教学
  • 2篇教学
  • 1篇定制
  • 1篇信道
  • 1篇隐蔽信道
  • 1篇人体行为识别
  • 1篇散斑
  • 1篇神经网
  • 1篇神经网络
  • 1篇实验教学质量
  • 1篇手机
  • 1篇思政
  • 1篇启发式教学
  • 1篇倾角
  • 1篇主成分
  • 1篇主成分分析
  • 1篇网络
  • 1篇物理隔离
  • 1篇物理实验
  • 1篇物理实验教学

机构

  • 6篇北京电子科技...
  • 1篇西安电子科技...

作者

  • 6篇周志全
  • 4篇孙学明
  • 3篇张大华
  • 2篇韩英
  • 1篇胡荣磊
  • 1篇陈颖
  • 1篇陈颖
  • 1篇赵成
  • 1篇池亚平
  • 1篇甄春园
  • 1篇秦晓宏

传媒

  • 1篇计算机应用与...
  • 1篇激光与红外
  • 1篇实验技术与管...
  • 1篇北京电子科技...
  • 1篇保密科学技术
  • 1篇科技与创新

年份

  • 1篇2023
  • 1篇2022
  • 1篇2021
  • 1篇2020
  • 1篇2019
  • 1篇2002
6 条 记 录,以下是 1-6
排序方式:
在分光计实验教学中课程思政的探索与实践被引量:1
2021年
如何在"大学物理实验"课程中实施"课程思政",使其与思政理论课形成协同效应,成为全国高校共同面临的新课题。为了能够有机地将"大学物理实验"和思政课程进行融合,不断进行实践探索。以分光计实验教学为例,通过实验方法渗透思政教育;合理设计教学模式,培养学生团结互助的精神;通过合理设计教学内容,培养学生学习的积极主动性。
岳平韩英周志全张大华孙学明
关键词:分光计教学内容教学模式
Phyphox定制实验案例:磁倾角测量
2023年
Phyphox是一款利用智能手机传感器进行物理实验的手机应用,它支持远程访问、可视化数据分析和自定义实验设计,并预置了丰富的物理实验,在辅助物理教学和实验演示方面获得了众多用户的认可。但许多新用户由于不熟悉Phyphox实验编辑器,通常只利用了Phyphox的预置实验。本文以磁倾角测量为例,简要介绍如何利用Phyphox实验编辑器自定义实验,并就缓冲区设置、视图元素数据分析及同一图像中多组数据可视化提出相关建议。以期新用户可以快速掌握Phyphox实验编辑器,能够根据实际需求创建定制实验,深化Phyphox在物理教学和探究实验中的作用。
孙学明周志全赵成
关键词:磁倾角
突破物理隔离的带外隐蔽信道攻击技术被引量:3
2019年
物理隔离网络并非绝对安全,近几年迅速发展的带外隐蔽信道攻击技术对其形成了高级持续性威胁,可以跨越隔离气隙对物理隔离网络进行数据渗透。文中简要介绍了隐蔽信道技术的发展及带外隐蔽信道的攻击模式,根据带外隐蔽信道用于传输信号的物理媒介不同,对近年来公开研究中的带外隐蔽信道进行了分类,并从原理实现及优缺点方面进行了详细介绍。
孙学明张大华周志全岳平
关键词:隐蔽信道物理隔离
提高物理实验教学质量的探讨被引量:7
2002年
本文结合我院物理实验课的教学实践,围绕提高实验教学质量,对改革实验内容、实验方式进行了探讨.
甄春园周志全韩英
关键词:物理实验教学质量启发式教学实验教学
基于主成分分析的激光麦克风的语音信号提取被引量:2
2022年
主成分分析(Principal Component Analysis,PCA)法用于高速视觉的激光麦克风的音频信号重建,可从声场中轻质弹性物体表面的激光散斑动态变化中提取语音信息。将高速散斑视频中的一帧图像视为高维空间中的向量,顺序将视频图像堆栈成数据矩阵,利用PCA做特征提取,语音信息就存在于方差较大的主成分中,通常应用第一主成分就可以重建清晰的语音信号。实验表明,PCA对激光散斑颗粒尺度和灰度分布没有过多限制,即使在采样区域较小、反射物体材质不同的情况下,都可以重建人耳可分辨的语音信号。而且基于PCA的无监督机器学习算法特性,选取视频开始部分的帧图像做训练集,还可以提取含有音频信息的主成分的特征向量,作为后续视频图像向量的投影基,实现语音信号的快速提取。
孙学明张大华周志全赵张美胡荣磊
关键词:激光散斑主成分分析
基于3D双流卷积神经网络和GRU网络的人体行为识别被引量:4
2020年
针对基于双流卷积神经网络的人体行为识别准确率不高,不能充分利用时间维度的信息问题,提出一种基于3D双流卷积和门控循环单元(GRU)网络的人体行为识别模型。将3D卷积神经网络引入到双流卷积神经网络中,在双流卷积神经网络的空间流和时间流中分别使用3D卷积神经网络提取视频的时空信息;融合3D双流卷积神经网络提取到的时空特征,形成有时间顺序的时空特征流;将时空特征流输入到具有记忆信息能力的GRU网络中递归学习时间维度的长时序列特征并利用线性SVM分类器进行人体行为识别。在行为识别数据集UCF101上的实验结果表明,该模型充分地利用了视频的时间维度信息,识别率为92.2%,优于其他人体行为识别算法。
陈颖陈颖周志全周志全秦晓宏
关键词:人体行为识别
共1页<1>
聚类工具0