高校辅导员的职业形象与工作状态——基于知乎平台文本数据的质性研究

随着我国高等教育学生培养模式的演变与大学生心理健康教育重要性的突显,高校辅导员除思想政治教育和价值引领的主要职责外,更多承担起了大量的学生日常事务管理,其工作越来越呈现出了琐碎性、重复性、职业上升通道狭窄、导生关系紧张的明显特点。本研究基于知乎平台的文本数据,采用扎根理论的分析思路,对高校辅导员的职业形象及其工作状态进行刻画。研究发现:(1)在辅导员制度良性运行的情况下,辅导员与学生之间呈现出主体关系的平等性与沟通交流的友好性,但是一旦辅导员制度的运行走向异化,师生关系趋向紧张;(2)辅导员处于高校学生管理的第一线,尽管诸多问题的根源并非辅导员本身的工作失职,学生也容易将对制度规则、管理模式的不满泛化地转移至辅导员的身上,双方缺乏理解;(3)辅导员职责早已超越了行政事务性工作的范畴,作为院校与学生的中介点,辅导员身处于多元诉求与多重利益的交合处。平衡与协调多元主体之间的不同诉求成为辅导员工作的重点与难点。对此,要更加关注高校辅导员群体,从建立科学的多方参与工作评价机制与打造专业化、职业化的发展体系两方面对现有辅导员制度加以完善,将院校行政系统评价与学生群体评价相结合,同时加强辅导员的专业技能培训,为辅导员提供更加专业化的职业晋升通道。     

论我军国际形象传播的阻隔与认同

推进国际传播能力建设,创新对外宣传方式,加强话语体系建设,着力打造融通中外的新概念新范畴新表述,讲好中国故事,建构和传播中国军队形象的过程中,对外传播先进文化、先进的军事文化,传播好中国声音,以增强在国际上的话语权。文章研究建构和传播中国军队形象的过程中,如何提升中国军队的国际形象,加强对外传播的有效性,用世界听得懂的语言、使用新媒体传播国家军队的先进文化。     

多尺度PCA-HOG遥感异源图像匹配算法

针对遥感异源图像匹配中非线性灰度畸变和强噪声干扰问题,提出一种基于主成分分析(Principal Components Analysis,PCA)和方向梯度直方图(Histogram of Oriented Gradients,HOG)的遥感异源图像匹配算法.该算法利用HOG提取图像间的几何结构共性特征,能有效克服异源...     

土木工程中常见目标体的地质雷达图谱特征

将地质雷达技术应用于土木工程检测,具有速度快、效率高、准确性及分辨率高的特点。但土木工程范围甚广,且受多种客观因素的影响,使地质雷达探测到的目标体图谱千差万别,易得出错误的判断结果。通过对大量地质雷达检测图谱的分析和归类处理,找出了土木工程中常见目标体的地质雷达图谱特征,为地质雷达在土木工程中的应用提供了判别依据。     

玻璃瓶动态图像检测运动模拟平台

动态图像检测中,如何在指定位置快速而准确地捕捉到运动物体的图像是最基本的环节。试验验证图像检测装置的成像特性,成为动态图像检测研究的重要内容之一。以变频器控制电动机为核心,通过变频器内部参数编程和外部简单的辅助控制电路,构建了运动平稳、速度可调、具有自动保护功能的模拟平台。该平台适于动态图像检测中普通运动物体的快速模拟,已成功地用于玻璃瓶动态图像装置中,达到了预期目的。     

基于小波分析的子带特征提取与选择方法

在研究了目标图像多尺度小波分解特性的基础上,提出了基于小波多尺度分解子带主成分的特征提取的算法。该算法利用图像在不同尺度的小波变换域中能量局部集中性,选择各子带能量较集中的局部小波系数构成图像目标特征向量。这种特征包含图像目标的主要边缘、纹理、灰度、结构等多种信息。由于对图像目标的特征信息的分布没有任何限制,因而适用于多种类型的图像的特征提取,可以解决单一特征提取方法中必须面对的所提取特征不明显的难点。这种特征向量对噪声有较好的鲁棒性。     

美国陆军官方网站多模态话语分析与军队形象建构

本文以Kress、Van Leeuwen和 Painter等学者的视觉语法理论为基础,从再现意义、互动意义和构图意义三个方面对美国陆军官方网站“相册”栏目进行多模态话语分析,挖掘网页的符号资源,探寻多模态语篇生成意义、传递信息和构建形象的具体机制。在此基础上,借助Halliday、Hasan、Bateman和Bhatia等学者的多模态语类分析理论,探究模态间的互动关系,分析网页的整体设计、语类特点和宣传手段等。研究发现,该网站通过象征意义、情感互动和显著性差异等手段,影响读者对美军的认知,引导读者对美军产生积极联想,从而回避现实问题,为美军塑造正面形象。在深入发掘网页的交际目的、结构潜势和互动机制的基础上,搭建多模态语类分析框架,揭示军事网站设计和社会文化背景的复杂关系,助力军队形象建设。     

对象边框标注数据的弱监督图像语义分割

针对图像语义分割应用中像素级标注数据费时昂贵的问题,主要研究以对象边框标注数据为代表的弱监督模型下的图像语义分割方法。使用基于金字塔的密集采样全卷积网络提取图像的像素级特征,并用GrabCut算法转化对弱监督数据进行数据标记,通过将图像特征和标记数据进行联合训练,构建了基于金字塔密集采样全卷积网络的对象边框标注弱监督图像语义分割模型,并在公开数据集上进行了验证。实验结果表明,所构建的弱监督模型与DET3-Proposed模型、全矩形转化模型以及Bbox-Seg模型相比,达到了更好的分割效果。     

超低照度下微光图像增强神经网络损失函数设计分析

超低照度下(环境照度小于2×10~(-3)lux)微光图像具有低信噪比、低对比度等特点,使目标难以辨识,严重影响观察效果。为了提高超低照度下微光图像质量,设计了一种用于微光图像增强的卷积自编码深度神经网络,并针对传统的均方误差损失函数不符合人类视觉感知特性等问题,结合现有的全参考图像质量评价指标,研究了包括感知损失在内的几种损失函数,并提出了一种新的可微分损失函数。实验结果表明,在网络结构不发生改变的情况下,所提损失函数具有更好的性能,在提高微光图像信噪比和对比度的同时,能够有效地增强图像内部细节信息。     

结合全局与局部信息的主动轮廓分割模型

针对传统的基于区域的主动轮廓模型在分割灰度不均匀图像和噪声图像存在效果不佳的问题,提出结合全局项与局部项的主动轮廓分割模型。全局项由CV(Chan-Vese)模型的保真项构成,局部项的构建考虑局部区域信息的同时引入反映图像灰度特性的局部熵信息。依据图像灰度的特点,选择合理的全局项和局部项参数,并加入正则项保证曲线在演化过程中保持平滑,保障分割结果的可靠性。通过变分水平集方法最小化能量泛函,依据梯度下降流迭代更新水平集,完成曲线演化。采用模拟图像和实际图像进行实验分析,结果表明,所提出的结合全局项和局部项的主动轮廓模型可以高效地分割噪声严重以及灰度分布不均匀的图像。