前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇計算機視覺應用范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

計算機視覺應用范文第1篇

關鍵詞：計算機工程；視覺領域；深度學習技術

引言

計算機視覺簡言之即是依靠電子設備成像來代替生物視覺系統(tǒng)，隨后依靠提前寫好的程序對獲取的圖像信息實施處理。該技術的短期應用目的在于完成相對簡單的智能視覺工作，而深度學習技術在計算機視覺領域的應用，在很大程度上豐富了其功能，提高了識別效率，讓其能夠在更多行業(yè)發(fā)揮出自身價值。

1計算機視覺領域的深度學習技術

1.1圖像分類中的深度學習技術

基于深度學習技術，卷積神經網絡得到了進一步的發(fā)展，其應用范圍也更為寬泛，例如說在圖像分類中的運用。圖像分析需要對圖像實施掃描分析，隨后對其具體類別予以劃分，更加注重其整體語義。目前相對普遍進行圖像分類的數(shù)據(jù)集為ImageNet，其中囊括了非常豐富的內容，存儲了近1500萬個圖像的URL并將圖像劃分為數(shù)萬余個類型。ImageNet每年組織開展的大規(guī)模視覺識別挑戰(zhàn)賽（ILSVRC）中，圖像分類算法與技術也不斷創(chuàng)新，圖像分類的準確性也持續(xù)提升。ImageNet數(shù)據(jù)集表現(xiàn)出規(guī)模大、類型多的突出特點，所以更加適用于遷移學習，即是把部分核心技術或結構拓展應用到各個領域，對于視覺領域的深度模型來說，能夠把模型內的網絡結構和參數(shù)直接共享到其他數(shù)據(jù)集，從而對數(shù)據(jù)實施微調。圖像分類屬于計算機視覺領域最為基礎的環(huán)節(jié)，對于圖像分類模型創(chuàng)建和數(shù)據(jù)分析處理經驗也能夠遷移應用到其他領域中。

1.2目標檢測中的深度學習技術

目標檢測相對于圖像分類而言表現(xiàn)出更多的復雜性，主要任務是在囊括多種不同類型物體的圖像內精確定位和識別某一物體，恰恰是出于這一目的，深度學習技術在目標檢測中的應用更為復雜，要實現(xiàn)更加精準的效果也相對更難。近年來針對目標檢測的算法日益更新，如優(yōu)化后的R-CNN算法，是借助于卷積神經網絡思想，對物體進行分類，提取物體特征。而SelectiveSearch算法的出現(xiàn)有了進一步的創(chuàng)新和突破，有效促進了檢測準確性的提高，這也給通過卷積神經網絡進行目標檢測帶來了更多可能性，隨后的FastR-CNN算法極大地促進了目標檢測效率的提升，該算法對提取候選區(qū)的問題予以優(yōu)化，大大減少了候選區(qū)提取和目標檢測過程的時間。目標檢測網絡以FastR-CNN算法作為支撐，于輸出位置設置滑動窗同時和候選區(qū)域網絡實施連接，目標檢測的關鍵在于卷積神經網絡，依靠它把各個點的特征進行提取，再借助回歸算法獲得對應范圍出現(xiàn)目標的概率[1]。

1.3人臉識別中的深度學習技術

人臉識別主要是借助相應算法對人臉特征實施提取，因為其建立的人臉模型表現(xiàn)出一定的不穩(wěn)定性，因此模型建立往往也表現(xiàn)出一定的難度，相對于建立剛體模型而言更為困難。人臉識別通常來說涉及人臉檢測定位以及特征提取兩個方面，人臉檢測定位是基于背景圖像中將人臉目標分割出來，實施歸一化處理，而人臉特征提取算法不變。前者存在的技術難點是人臉目標具有多樣性以及背景圖像具有復雜性，所以對背景情境實施合理假設并予以簡化是十分關鍵的。與此同時，高維空間人臉模型的建立較為復雜，精確度估算難度較大，人臉特征提取的技術難度是因為人臉屬于彈性模型，其難度超過剛體模型。一般來說，較為常見對人臉特征實施提取與識別的方法有幾何特征法、特征臉算法以及彈性模型法，CNN算法和過去的特征提取算法比起來表現(xiàn)出更高的穩(wěn)定性和適用性，同時能夠有效抵抗外部干擾，促進人臉識別技術的推廣應用。

2應用實例

2.1安防領域的應用

深度學習技術在計算機視覺領域中的應用可以為安防行業(yè)提供更佳的解決方案，比如說人臉識別技術的應用，很多大型企業(yè)如Facebook、騰訊、阿里巴巴等都將非常關注和重視。作為深度學習技術在計算機視覺領域應用的重要內容，人臉識別在安檢以及反恐等領域中也能夠發(fā)揮出很好的效果。與此同時，對行人角度的REID技術實施研究，依托于深度學習強化目標檢測，對目標特征實施提取和刻畫，能夠為異常行為監(jiān)控和跟蹤帶來支持[2]。

2.2無人駕駛領域的應用

對于無人駕駛領域來說，選擇激光或雷達這類傳感器的成本更高，基于深度學習的計算機視覺技術也能夠提供新的解決方案。依靠攝像機對視頻畫面進行采集，對獲取到的圖像實施分析，提供類似于前車碰撞預警等功能。在這一過程中，計算機視覺技術可以實現(xiàn)對目標的檢測識別、對目標車輛的跟蹤分析、對車道線是否偏離進行檢測等。基于深度學習技術的檢測識別表現(xiàn)出更加強大的優(yōu)勢，現(xiàn)階段深度學習芯片日益增多，對于無人駕駛技術的發(fā)展也帶來了更加有力的支持。

2.3智能家居領域的應用

過去的很多智能家居產品一般都是依靠智能手機藍牙或者WiFi等途徑來實現(xiàn)對家居產品的控制，這一方案即便能夠做到家居智能化，但其水平依舊有待提高?；谏疃葘W習技術，能夠有效促進智能家居行業(yè)的更新發(fā)展，除開語言、語音識別之外，還能夠利用計算機視覺技術實現(xiàn)人際交流與互動，比如說手勢識別控制。2.4教育領域和圖片搜索領域的應用基于深度學習的計算機視覺技術也能夠在智慧教育中得以普及應用，如近年來很多新的拍照解題App，使用者只需要利用手機相機拍照上傳即可獲得相關題目的分析解答，促進學習者學習效率的提升。此時視覺技術包括了對文字的檢測與識別，另外針對個人簡歷識別、文檔識別等方面也能夠進行拓展應用。同時計算機視覺技術還可以在圖片搜索領域中得以應用，使用者通過拍攝上傳相應的圖片，即可從數(shù)據(jù)庫中找出與原圖相似的圖片，深度學習屬于一種非常高效的技術手段，能夠提供更加快速高效的圖像檢測功能，結合圖像搜索引擎，為用戶帶來更加便捷的服務[3-5]。

2.5醫(yī)療影像數(shù)據(jù)中的應用

醫(yī)學影像直接關系到對患者疾病診斷的準確性，對于放射科的醫(yī)務人員來說，依靠醫(yī)學影像能夠促進診斷效率的提升?，F(xiàn)階段國內外諸多醫(yī)學專家隊伍，在心血管、腫瘤、神經內科以及五官科等都建立了精準深度學習模型，極大地推動醫(yī)療水平的提升，為廣大患者帶來了更加便捷和高效的醫(yī)療服務。基于深度學習技術的計算機視覺在醫(yī)療影像數(shù)據(jù)中的應用主要集中在如下幾個方面：（1）能夠提供臨床診斷輔助等醫(yī)療服務；（2）依靠數(shù)據(jù)分析技術，能夠在很大程度上促進醫(yī)療機構經營管理水平的提升；（3）在醫(yī)學影像中的應用，能夠讓醫(yī)務工作者更加直觀便捷地獲取患者影像；（4）深度學習技術能夠為醫(yī)療大數(shù)據(jù)的可視化帶來便利；（5）在藥企研發(fā)工作中的應用，可以處理好過去一直以來藥物研發(fā)周期長和成本居高不下的問題；（6）在健康管理領域中的應用，借助于可穿戴設備來對個人健康數(shù)據(jù)實施監(jiān)測，進而對疾病風險予以提前預測。

計算機視覺應用范文第2篇

關鍵詞：計算機視覺；研討式教學；小組探討；課前回顧

作者簡介：陳芳林（1983-），男，湖南株洲人，國防科學技術大學機電工程與自動化學院，講師；周宗潭（1969-），男，河南洛陽人，國防科學技術大學機電工程與自動化學院，教授。（湖南 長沙 410073）

中圖分類號：G643.2 文獻標識碼：A 文章編號：1007-0079（2013）26-0065-02

進入21世紀，創(chuàng)新型人才的培養(yǎng)成為各國政府和高等教育界關注的一個焦點。世界各國研究型大學的共同特點是在研究生教育階段致力于培養(yǎng)富有創(chuàng)新意識和創(chuàng)新能力的高級人才。[1]研討式教學是培養(yǎng)研究生創(chuàng)新精神、科研能力的有效途徑，教師講解與學生探討兩部分相結合是研討式教學采用的主要模式。[2]將課程分成兩部分之后，教師講解的時間就必須壓縮，教師一方面需要思考如何在較短的時間內完成課程的講解，同時還需要考慮課程講解要與學生探討部分緊密結合。因此，如何上好研討式教學教師講解這部分課，越來越受高等院校的重視。本文針對筆者教授工科研究生課程“計算機視覺”的實踐與經驗，闡述了筆者對于如何上好研討式教學教師講解這部分課的個人體會?？偨Y為兩點：第一，首先要充分做好課程準備；第二，上課環(huán)節(jié)采取回顧—案例—小結的講解方式。下面從課程準備、課前回顧、課程講解、課后小結四個方面分別闡述（如圖1所示）。

一、“計算機視覺”課程準備

要上好一門研討式教學的課程，一定要結合該門課程的特點，量身定制課程內容，進行精心準備。本節(jié)先介紹“計算機視覺”課程的特點，然后結合該門課程的特點，介紹筆者對于“計算機視覺”的課程準備。

1.“計算機視覺”課程特點

“計算機視覺”是“數(shù)字圖像處理”和“模式識別”等課程的后續(xù)課程。該課程重點在于圖像或者圖像序列的分析理解。課程知識在機器人導航、偵查、測繪、測量、精密加工和目標跟蹤等多個領域都有廣泛的應用。[3]近年來基于視覺信息的控制反饋也開始受到廣泛關注。國內高校一般都為研究生開設了此門課程。

計算機視覺技術應用廣泛、算法原理涉及面廣：涉及到概率與數(shù)理統(tǒng)計、信號與系統(tǒng)、圖像等基礎知識?！坝嬎銠C視覺”是一門重要的控制類、電子類及計算機類專業(yè)研究生的選修課程，它內容廣泛、綜合性強，研討能力的培養(yǎng)顯得非常關鍵。

2.課程準備

首先，結合“計算機視覺”課程內容廣泛、技術日益更新和豐富的特點，將課程36學時分為12次課，每次課為3小時，每堂課教師講解一個專題。這種設計，一方面可以更廣地涉及計算機視覺的各個領域；另一方面以專題的形式來講解，可以將學生帶入到該專題，介紹基本背景、理論、知識和方法，讓學生有一個初步的了解，方便課后學生對感興趣的專題進一步深入挖掘與研究。

其次，在課程開始之前，教師仔細統(tǒng)籌，安排好每次課的專題，這樣既方便學生一開始對整個課程有一個整體的了解，也方便學生選擇課堂研討的題目與內容。根據(jù)12個專題，將各個專題講解的內容與課件在開課之前準備好，這樣有利于把握各個專題之間的前后承接關系。例如，“區(qū)域”與“分割”是既有區(qū)分又有聯(lián)系的兩個專題，在課程開始之前，將課件準備好，就有利于宏觀把握，在“區(qū)域”專題提到的分割算法，就不需要在“分割”專題再次重復，而在“分割”專題可以結合前面“區(qū)域”專題進行互相補充，以幫助學生融會貫通。

最后，在每個專題上課之前，再對課件進行精雕細琢，主要是對內容分好層次，對方法進行分類，力圖在較短的時間內，讓學生對該專題有較全面的認識。例如，在講解圖像分割時，由于圖像分割方法非常多，可以將分割方法分為若干個大類，每個大類只講1～2個方法。這樣既可以盡可能涉及更廣的領域，又可以提高講解的效率。

二、“計算機視覺”課前回顧

課前回顧是指每堂課的前面一小段時間用來回顧上一堂課的內容。雖然課前回顧時間非常短，一般為3～8分鐘，但是課前回顧是課堂教學中的一個重要環(huán)節(jié)。課前回顧可以幫助學生加強將要學習的內容與已學過內容之間的聯(lián)系。通過課前回顧，學生可以回憶前續(xù)課程所講解的概念、理論、算法的步驟等內容，有助于解決新問題或者理解新知識。

課前回顧最重要的是既要復習前續(xù)課程的內容，又要注意將前續(xù)內容與當前內容聯(lián)系起來。由于講解時間有限，要使研討式教學的教師講解部分效率高，教師幫助學生回憶上堂課的概念、模型、算法等內容，就變得非常重要。如果不做課前回顧，那么當講到某處新知識時，往往需要停下來，將前續(xù)課程再講一遍，否則學生無法理解新的知識，這樣就降低了教學的效率。

課前回顧的時間，一般以3～8分鐘為宜。課前回顧的形式可以多樣化，如講解課后作業(yè)、回顧概念、提問等。筆者認為應根據(jù)當天課程與前續(xù)課程的關系，采取合適的方式。各種方式結合使用，提高課前回顧的效率。

三、“計算機視覺”課程講解——案例教學

案例教學已經成功地應用于數(shù)學、計算機科學等領域的教學。通過案例，學生可以很快地掌握相應的概念、算法的步驟等，從而提高教師講解部分的效率。[4]例如，在講解馬爾科夫隨機場時，筆者通過案例式教學，將馬爾科夫隨機場用一個生活中的例子來向學生解釋。首先，將馬爾科夫隨機場分解成兩個重要的概念，分別是隨機場與馬爾科夫性，然后將它們對應到例子中，幫助學生理解。

隨機場包含兩個要素：位置（site）和相空間（phase space）。當給每一個“位置”中按照某種分布隨機賦予“相空間”的一個值之后，其全體就叫做隨機場（如圖2（a））。[5]這個概念非常抽象，難以理解。筆者應用案例式教學，拿莊稼地來打比方?！拔恢谩焙帽仁且划€畝農田，“相空間”好比是種的各種莊稼。給不同的地種上不同的莊稼，就好比給隨機場的每個“位置”，賦予“相空間”里不同的值。所以，可以形象地理解隨機場就是在哪塊地里種什么莊稼的布局（如圖2（b））。

馬爾科夫性指的是一個隨機變量序列按時間先后順序依次排開時，第N+1時刻的分布特性，與N時刻以前的隨機變量的取值無關。為了更直觀地理解馬爾科夫性，筆者仍然拿莊稼地打比方，如果任何一塊地里種的莊稼的種類僅僅與它鄰近的地里種的莊稼的種類有關，與其他地方的莊稼的種類無關，這種性質就是馬爾科夫性。

符合上述兩個特征，那么這些地里種的莊稼的集合，就是一個馬爾科夫隨機場。通過案例式教學，筆者發(fā)現(xiàn)可以加深加快學生對課程內容的理解，提高教師講解環(huán)節(jié)的效率。

四、課后小結

課后小結指的是一堂課將要結束時，教師對本堂課進行一個簡短的總結。許多成功的教師都會在其教學中堅持課后小結這個環(huán)節(jié)，給學生一個總體的印象，以幫助學生消化本次課程的內容。

研討式教學教師講解部分的課后小結與普通教學方式應有所區(qū)別。筆者認為這主要是因為通過課后小結可以將本次課程所講內容與學生的研討環(huán)節(jié)結合起來，而不僅僅是對內容進行簡單的總結。

為了達到課后小結使本次課程內容與學生探討環(huán)節(jié)建立聯(lián)系的目的，筆者在教學中常采用如下方式：首先，像普通教學方式一樣，總結本次課程內容；然后，在此基礎上，拋出若干問題，這些問題，不需要學生馬上解答，而是留給學生課后思考，提供他們選擇研討主題的素材；最后，介紹其他在本次課程中沒有涉及到的前沿知識、方法與理論，拓寬學生的視野，從而增加學生選擇探討主題的覆蓋面。

通過應用這種方式，筆者發(fā)現(xiàn)學生的思維更開闊，在探討環(huán)節(jié)，學生往往可以選擇一些比較新穎的主題（例如視頻中不動點的檢測等），而不僅僅局限于教師所講內容，從而提高了研討式教學的效果。

五、結論

在“計算機視覺”課程中引入研討式教學，通過總體設計規(guī)劃好整門課程內容，課堂講解注意采用回顧—案例—小結的方式，筆者對如何上好研討式教學教師講解這部分課進行了個人經驗的總結。通過本次教學改革，筆者體會到如果要提高教學效果，一定要注意教師講解與學生探討兩個環(huán)節(jié)的緊密結合。

參考文獻：

[1]侯婉瑩.我國研究型大學本科生科研研究[D].濟南：山東大學，

2009.

[2]張晴，李騰，韋艷，等.研討式教學模式的理論研究[J].中國科技縱橫，2011，（10）.

[3]D.H .巴拉德.計算機視覺[M].北京：科學出版社，1987.

計算機視覺應用范文第3篇

一、計算機視覺檢測技術含義

計算機的視覺又叫做機器視覺，通過利用計算機或者是其他的一些機械設備來幫助人們視線事物到圖片的過程，從而進行三維世界的感知活動。計算機的快速發(fā)展，離不開神經心理學，心理學和認知科學方面的研究和發(fā)展，計算機視覺檢測技術的發(fā)展方向就是對周圍的三維空間進行感知和分析。一旦能夠擁有這種能力，計算機不僅能感知到周圍的總體環(huán)境，而且，還能夠具有對物體進行描述，識別理解和儲存的能力。

二、計算機視覺檢測的基本原理

要實現(xiàn)人工智能對視覺的計算機處理是很重要的方面在計算機視覺應用領域中如果要讓我們的計算機明白圖像的信息就必須經過一系列的處理過程―――數(shù)字圖像處理.數(shù)字圖像的處理包括5個步驟：圖像預處理（去除噪聲）、分割處理分割后區(qū)域、測量、圖像判讀、圖像技術.根據(jù)抽象程度和處理方法的不同圖像技術可分為三個層次：圖像處理、圖像分析和圖像理解.這三個層次的有機結合也稱為圖像工程.而計算機視覺（Computer vision）則是用計算機實現(xiàn)人的視覺功能對客觀世界三維場景的感知、識別和理解.視覺檢測按其所處理的數(shù)據(jù)類型又大致可分為二值圖像、灰度圖像、彩色圖像和深度圖像的視覺檢測.另外還有X射線檢測、超聲波檢測和紅外線檢測。

作為新興檢測技術計算機視覺檢測充分利用了計算機視覺研究成果采用像傳感器來實現(xiàn)對被測物體的尺寸及空間位置的三維測量能較好地滿足現(xiàn)代制造業(yè)的發(fā)展需求.與一般意義上的圖像處理相比計算機視覺檢測更強調精度、速度和無損性以及工業(yè)現(xiàn)場環(huán)境下的可靠性.例如基于三角法的主動視覺測量理具有抗干擾能力強、效率高、精度合適等優(yōu)點非常適合制造業(yè)生產現(xiàn)場的在線、非接觸產品檢測及生產監(jiān)控.對人類視覺感知能力的計算機模擬促進了計算機視覺技術的產生和發(fā)展制造業(yè)上獲取這些信息的目的有：（1）計算出觀察點到目標物體的距離；（2）得出觀察點到目標物體的運動參數(shù)；（3）甚至可以判斷出目標物體的內部特性；（4）推斷出目標物體的表面特征有時要求形成立體視覺。

三、亞像素檢測技術

隨著工業(yè)檢測等應用對精度要求的不斷提高，像素級精度已經不能滿足實際檢測的要求，因此需要更高精度的邊緣提取算法，即亞像素算法。亞像素級精度的算法是在經典算法的基礎上發(fā)展起來的，這些算法一般需要先用經典算法找出邊緣像素的位置，然后使用周圍像素的灰度值作為判斷的補充信息，利用插值、擬合等方法，使邊緣定位于更加精確的位置。現(xiàn)在的亞像素提取算法很多，如重心法、概率論法、解調測量法、多項式插值法、濾波重建法、矩法等。由于這些算法的精度、抗噪聲能力和運算量各不相同，他們的應用場合也是各不相同的。

邊緣是圖像的基本特征，所謂邊緣是指圖像中灰度存在階躍或尖頂狀變化的像素的集合，邊緣廣泛存在于物體與物體、物體與背景之間。圖像測量是通過處理被測物體圖像中的邊緣而獲得物體的幾何參數(shù)的過程，邊緣的定位精度直接影響最終的測量結果。因此，圖像邊緣提取方法是檢測的基礎和關鍵之一。在視覺測量領域中，早期使用的都是像素級邊緣檢測方法，例如常用的梯度算子、Lapacian算子和門式算子等。以上的邊緣檢測方法的精度可以達到像素級精度，即可以判斷出邊緣位于某個像素內，但不能確定邊緣在該像素內的更精確的位置。如果一個像素對應的實際長度較大，就會產生較大的誤差，傳統(tǒng)的整像素邊緣檢測方法就不再適用。

四、計算機視覺檢測技術在機加工零件檢測中的應用要素與過程

（一）曲陣CCD相機

面陣CCD是本項目圖像采集系統(tǒng)中的主要設備之一，其主要功能是采集實驗圖像。該CCD相機主要由CCD感光芯片、驅動電路、信號處理路、電子接口電路和光學機械接口等構成。

（二）工業(yè)定焦鏡頭

在圖像測量系統(tǒng)中，鏡頭的主要作用是將目標聚焦在圖像傳感器的光敏面上。鏡頭的質量直接影響到圖像測量系統(tǒng)的整體性能，合理選擇并安裝光學鏡頭是圖像測量系統(tǒng)設計的重要環(huán)節(jié)。

（三）數(shù)字圖像采集卡

隨著數(shù)字信號處理技術和嵌入式處理器技術在圖像采集卡中的應用，使得圖像采集卡向高速度、多功能和模塊化方向不斷發(fā)展。這類圖像采集卡不僅具有高速圖像采集功能，同時還具備部分圖像處理功能，因此又可以稱之為圖像處理卡。

（四）標定板

為提高測量精度，需要進行攝像機標定。標定過程中，采用NANO公司的CBC75mm}.0型高精度標定板，外形尺寸為75mmx75mmx3.0mm，圖形為棋盤格，其尺寸為2.0mmx2.0mm，精度為1級，即圖形尺寸精度與圖形位置精度為。

（五）背光源

背光方式只顯示不透明物體的輪廓，所以這種方式用于被測物需要的信息可以從其輪廓得到的場合。因此，為精確提取軸的圖像中的邊緣特征，需采用背光源。為使圖像邊緣更銳利，光源顏色選擇紅色。

五、結語

隨著計算機技術和光電技術的發(fā)展，已經出現(xiàn)了一種新的檢測技術―基于計算機視覺的檢測技術，利用CCD攝像機作為圖像傳感器，綜合運用圖像處理等技術進行非接觸測量的方法，被廣泛地應用于零件尺寸的精密測量中。本文以面陣CCD為傳感器，研究了零件在線測量的方法，實現(xiàn)了零件尺寸的圖像邊緣亞像素定位測量，對面陣CCD在高精度測量方面的應用作了進一步的探索和研究，為面陣CCD在復雜零件尺寸高精度測量的實現(xiàn)打下了基礎。

【參考文獻】

計算機視覺應用范文第4篇

關鍵詞：數(shù)據(jù)挖掘；考試成績；數(shù)據(jù)分析

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9599 （2013） 01-0055-02

計算機等級考試已運行多年，日積月累，數(shù)據(jù)越來越多，形成海量數(shù)據(jù)。這些數(shù)據(jù)是否還有意義呢？能否挖掘出些規(guī)則、知識反饋到學校教學中，促進教育發(fā)展？

1 數(shù)據(jù)挖掘技術

數(shù)據(jù)挖掘是從大量的、不完整的、有噪音的、模糊的、隨機的數(shù)據(jù)中提取出隱含在其中的，事前不知道的，但又是潛在的有用的信息和知識的過程，致力于數(shù)據(jù)分析和理解。其處理對象是大量的日常業(yè)務數(shù)據(jù)，目的是為了從這些數(shù)據(jù)中抽取一些有價值的知識或信息，提高信息利用率，原始數(shù)據(jù)是形成知識的源泉。數(shù)據(jù)挖掘包括數(shù)據(jù)描述、聚類、分類、預測、孤立點分析、關聯(lián)規(guī)則等多方面。其中數(shù)據(jù)描述又稱為數(shù)據(jù)總結，目的是對數(shù)據(jù)進行濃縮，給出它總體的綜合性描述，實現(xiàn)對原始數(shù)據(jù)的總體把握。常用數(shù)據(jù)描述方法是統(tǒng)計學的傳統(tǒng)方法，如計算機數(shù)據(jù)項的總和、均值、所在比例、方差等基本描述統(tǒng)計量，或是繪制直方圖、折線圖等統(tǒng)計圖形。數(shù)據(jù)分類是指研究已分類資料的特征，分析對象屬性，據(jù)此建立一個分類函數(shù)或是分類模型，然后運用該函數(shù)或模型計算總結出據(jù)特征，將其他未經分類或新的數(shù)據(jù)分派到不同的組中，計算結果通常簡化為及格離散值，常用來對資料做篩選工作。

2 數(shù)據(jù)挖掘在計算機等級考試中的應用

大量的計算機等級考試數(shù)據(jù)，結構完好，數(shù)據(jù)全面，但是目前這些數(shù)據(jù)沒充分利用起來，每次的數(shù)據(jù)都各自成為一個信息孤島。為改變這種局勢，打通信息孤島的局面，把數(shù)據(jù)挖掘技術應用到計算機等級考試數(shù)據(jù)中，挖掘出潛在的、有意義的規(guī)則或知識。

2.1 數(shù)據(jù)對象。在計算機等級考試中，涉及的數(shù)據(jù)繁多，如報名數(shù)據(jù)，成績數(shù)據(jù)，考點數(shù)據(jù)等等。本文需要挖掘的對象是學生的成績，成績數(shù)據(jù)表包含如下字段，準考證號，姓名，民族、性別、出生年月日、身份證號、身份證號等，如表1。

從表中可以看出，成績有筆試客觀成績、筆試主觀成績、筆試成績，上機成績和總成績，其中筆試客觀成績和筆試主觀成績都是百分制，筆試成績、上機成績和總成績都是等第數(shù)據(jù)，筆試成績由筆試客觀成績和筆試主觀成績組成，總成績由筆試成績和上機成績組成。

2.2 數(shù)據(jù)預處理。本次挖掘的數(shù)據(jù)為我校多年形成的全國計算等級考試和省計算機等級考試的成績數(shù)據(jù)。在實際的數(shù)據(jù)挖掘過程中，還必須對這些數(shù)據(jù)進行一系列預處理工作，轉為適合的可用的數(shù)據(jù)。數(shù)據(jù)預處理方法很多：如數(shù)據(jù)抽取，數(shù)據(jù)清理，數(shù)據(jù)轉換等。

2.2.1 數(shù)據(jù)抽取。首先分別從兩個考試數(shù)據(jù)中抽取出需要的成績數(shù)據(jù)，具體信息包括筆試客觀成績、筆試主管成績、筆試總成績，上機成績和總成績。

2.2.2 數(shù)據(jù)清理。挖掘的原始數(shù)據(jù)可能不完整，如某些記錄表中有些字段的值為空，對這樣的記錄要做相應處理，可以將這些字段為空的值補全，或賦最常見的值，或根據(jù)數(shù)值的分布情況賦其他值等處理。

在全國計算機等級考試的數(shù)據(jù)中有少許社會考生數(shù)據(jù)，直接做刪掉處理，因為我們研究的目的之一為了反饋給我校的教學，促進教學改革和發(fā)展。

2.2.3 數(shù)據(jù)轉換數(shù)據(jù)轉換將數(shù)據(jù)變成統(tǒng)一的格式，以適合數(shù)據(jù)挖掘。如關聯(lián)規(guī)則Apriori算法中在處里類似分數(shù)值之類的數(shù)據(jù)時，需要轉換為等第形式的成績，因此對前面處里的數(shù)據(jù)進行如下轉化，優(yōu)秀——100～90，良好——89～80，及格——79～60，不及格——59～0，如表2

3.1 結果分析。由挖掘結果進一步分析，在總成績未通過的記錄中，因為筆試未通過的人數(shù)為466人，占未通過人數(shù)的7%，因上機成績未通過的人數(shù)為1078，占未通過人數(shù)的16.19%，二者合計占總成績未通過的23.19%，這比較發(fā)現(xiàn)：因上機成績未通過的學生比因筆試成績未通過的多，且近四分之一都是因為筆試或者上機成績未通過。

總成績通過記錄中，總成績分為三檔：及格、良好和優(yōu)秀，大致比例24：5：1?？梢娡ㄟ^的學生中絕大部分都僅僅是及格而已。具體為及格人數(shù)達到2418人，占通過人數(shù)的79.58%，占總報名人數(shù)的24.94%；良好人數(shù)為512人，占通過人數(shù)的16.85%，占總報名人數(shù)的5.28%，優(yōu)秀人數(shù)為108人，分別占通過人數(shù)的3.55%，占總報名人數(shù)的1.11%。由此可見，獲得優(yōu)良成績的人數(shù)太少。

在總成績?yōu)榧案竦挠涗浿校P試和上機成績?yōu)榫案竦?127人，占此部分的46.61%，另外筆試成績?yōu)榧案瘢蠙C成績?yōu)閮?yōu)良的929人，占成績?yōu)榧案褚粰n人數(shù)的38.42%，上機成績?yōu)榧案?，筆試為優(yōu)良的僅362人，占成

績?yōu)榧案褚粰n人數(shù)的14.97%，這說明上機考試只要會做就容易取得好成績。

總成績?yōu)榱己玫?12人，優(yōu)秀的108人，分別占通過人數(shù)的的16.85%和3.55%，占總報名人數(shù)的5.28%和1.11%，二者合計僅20.41%和6.40%。

3.2 建議。通過上面的結果分析發(fā)現(xiàn)：首先整個計算機等級考試的通過率太低，其次因筆試或上機成績未通過的大約占1/4，且因上機未通過的大約是因筆試未通過的3倍；再次取得優(yōu)良成績的人數(shù)太少。因此建議：

第一、計算機的相關任課教師反思自己的教學方式方法以及相應內容。計算機等級考試是國家教育司或省教育廳推出的一種考試，具有至高權威性、科學性和公平性，通過率（通過的人數(shù)與報名人數(shù)的百分比）在一定程度上表現(xiàn)了一個學校的計算機教育教學水平。

第二、學校相關職能部門應該制定相關政策及制度，加強學生積極報考和備考教育，降低缺考，提高通過率。在我們考試組織工作中，發(fā)現(xiàn)缺考現(xiàn)象較重，尤其是省計算機等級考試。

第三、相關計算機教師應加強上機課程的指導。因為挖掘結果表明因上機成績未通過的人數(shù)大約是因筆試成績未通過的3倍，足以說明需要大大加強上機課程指導。

第四、加強學生課后動手能力學習。在通過的學生中，取得上機成績優(yōu)良的人數(shù)遠遠多于筆試成績優(yōu)良的人數(shù)，因為上機考試的題型大多都是程序題，只要能調試運行出正確結果就容易取得好成績。

4 結束語

計算機等級考試一般都由筆試考試和上機考試組成，筆試考試主要考察學生理論水平，上機考試主要考察學生運用知識的動手能力。因此不僅要把理論知識學好，還要加強課堂和課后上機操作練習，才能獲得好成績，取得計算機等級證書。

計算機等級考試的成績好壞涉及到方方面面，上述分析到的僅僅是少許，成績數(shù)據(jù)中潛在的可能還有很多，需要更加科學的方法分析。

參考文獻：

[1]聶永紅.計算機等級考試信息的數(shù)據(jù)挖掘分析[J].微計算機信息，2008年底24卷第2～3期.

[2]王永生.數(shù)據(jù)挖掘在考試系統(tǒng)中的應用[J].2005年北京工業(yè)大學工程碩士學位論文.

[3]湛德照.基于關聯(lián)規(guī)則的考試數(shù)據(jù)挖掘[J].五邑大學學報2009年5月第23卷第2期.

計算機視覺應用范文第5篇

關鍵詞：會計電算化；高校；應用

中圖分類號：F23 文獻標識碼：A 文章編號：1001-828X（2013）11-0-01

一、會計電算化簡介

會計電算化狹義的講就是利用計算機技術和計算機軟件代替人來進行計算，記賬，輸出的過程，簡單的說就是代替人來進行比較復雜的計算過程。廣義來說，會計電算化是一門系統(tǒng)的科學，包括計算機科學，管理科學，預算科學，會計科學等，可以實現(xiàn)會計人員所實現(xiàn)不了的大型計算任務，并且可以科學準確的進行預測，決策過程。使用會計電算化可以極大的提高工作效率以及工作準確度，減輕從業(yè)人員負擔和工作強度。是會計業(yè)走向現(xiàn)代化的一個必要武器。

二、會計電算化在高校中的應用

1.會計數(shù)據(jù)的處理。會計數(shù)據(jù)處理是任何一個系統(tǒng)最基礎的業(yè)務，高校也不例外。高校的會計數(shù)據(jù)處理主要是數(shù)據(jù)核算，主要是學生所繳納的各項費用匯總以及學校各個科室，各個子系統(tǒng)費用的支出統(tǒng)計，并且開具憑證。在此基礎上進行算賬，報賬，轉賬等業(yè)務。高校會計工作復雜，繁瑣，是一個很龐大的系統(tǒng)。會計電算化的應用，使得高校會計工作效率極大提高，并且規(guī)范了高校會計工作。使得數(shù)據(jù)處理有據(jù)可查，并且使數(shù)據(jù)處理更及時，準確度也大幅度提高，減輕了工作人員的負擔。

2.建立了高校系統(tǒng)內部的互聯(lián)?，F(xiàn)代高校分支多，結構復雜，校區(qū)大，科室之間的聯(lián)系交流較之前難度大。在此環(huán)境影響下，高校的會計信息和數(shù)據(jù)處理難度加大，但是在應用會計電算化之后，高校之間個部門與財務的聯(lián)系方便快捷的多，而且可以形成一個數(shù)據(jù)庫，實現(xiàn)資源共享。方便了各部門之間的信息交流，節(jié)省了以前信息交流的多個步驟，提高了信息交流的準確度。

3.數(shù)據(jù)信息的管理。在高校會計工作多元化的今天，高校會計工作收入與支出也越來越多渠道化，數(shù)據(jù)信息管理的難度越來越大，會計電算化的應用，使得數(shù)據(jù)信息的管理更加完整，把傳統(tǒng)的計算轉為現(xiàn)在的預算，使高校的財政支配更加合理，更加切合實際。會計電算化的應用也使得信息的備份，保存，恢復等功能得以實現(xiàn)，提高了會計工作的質量。

三、會計電算化在高校應用中存在的問題

1.專業(yè)型人才少。在當代，會計算機軟件的人很多，會計專業(yè)的人也很多，但是掌握會計電算化的卻不多，會計電算化是一門綜合性專業(yè)，不僅要對計算機軟件、編程等非常熟悉，也要對會計專業(yè)非常熟悉。但是現(xiàn)在高校會計人員只熟悉會計電算化軟件的使用，還和以前一樣注重數(shù)據(jù)的計算，而忽略了會計電算化的其他功能。一旦電腦或系統(tǒng)出現(xiàn)問題，則不會解決，就需要從外面請一些計算機專業(yè)的人員來修復。而專業(yè)軟件設計人員又對財務方面內容不熟悉，這就導致修復工作不方便。嚴重影響工作效率以及數(shù)據(jù)安全性。

2.忽視會計電算化的其他功能。在高校財務體系中，即便是應用了會計電算化系統(tǒng)，從業(yè)人員也只是用會計電算化系統(tǒng)進行日常的數(shù)據(jù)處理，輸入輸出功能，而忽視了會計電算化的其他功能，譬如說管理功能、預算功能，實際上只是利用計算機的計算功能來代替了以前的手工計算，數(shù)據(jù)信息沒有得到合理的應用，只是局限于簡單的數(shù)據(jù)處理，沒有對其進行進一步的分析解讀。可以說是“大材小用”。

3.會計電算化管理體系不完善，存在安全隱患。雖然高校在應用會計電算化上有一定的要求，但是沒有完善的管理體系，導致高校內的會計電算化存在一定得安全隱患。在信息經濟越來越明顯的今天，一旦系統(tǒng)被非法破壞或者信息的人為流傳則會導致很大的隱患，嚴重威脅了系統(tǒng)的安全性。給高校帶來很多不利的影響。

四、解決措施

1.轉變思想，增加從業(yè)人員業(yè)務深度。高校必須增加對會計電算化在高校應用中的重視程度，培養(yǎng)出一批優(yōu)秀的高校會計綜合人才，不僅對財務工作熟悉也要對計算機軟件的應用熟悉。定期組織人員的培訓，提高財務人員會計電算化工作的水平。不僅如此，還要對工作人員進行思想教育以及控制風險的風險教育，提高從業(yè)人員的責任意識和危機意識。從而培養(yǎng)出一批業(yè)務能力和思想水平都高的高校會計電算化從業(yè)人員。

2.會計電算化的應用從“一元”到“多元”。應該深入了解會計電算化的強大功能，使會計電算化在高校會計工作中發(fā)揮強大的功能。加快會計電算化在高校應用中的轉型。發(fā)揮會計電算化的管理功能、預測功能，完善功能。選擇滿足高校實際需要的會計電算化軟件，使高校財務工作更加快捷有效。滿足高校發(fā)展要求。

3.改善外部環(huán)境，完善內部體制。首先，應該配置強大的電腦硬件和高效大容量的儲備設備，保證服務器的安全，避免因為環(huán)境或其他外部條件造成的數(shù)據(jù)缺失。其次，注重軟件的選擇和應用，應該選用正版軟件并且做好電腦的殺毒，防止惡意破壞所使用的軟件系統(tǒng)，導致數(shù)據(jù)的遺失或破壞。

在保證外部環(huán)境的基礎上，應該完善管理體制，避免人為原因的泄露或是失誤，保證數(shù)據(jù)的正確性以及安全性。高校應該出臺合理全面的管理制度，譬如說人員工作分配，避免工作扎堆或是工作盲點的出現(xiàn)?？梢栽O置密碼解鎖等安全機制，從而保證數(shù)據(jù)的安全和系統(tǒng)的完善。

五、結語

會計電算化在高校中的應用越來越多，功能也越來越多，隨之而來的隱患問題也就越來越多。隨著電子信息，軟件工程的發(fā)展，會計電算化也會向網絡化發(fā)展。面對現(xiàn)在的會計電算化發(fā)展形勢以及應用形勢，我們必須正視現(xiàn)有問題，然后盡全力解決現(xiàn)有問題，使會計電算化在高校的發(fā)展中越來越完美，起到應起的作用，為高校發(fā)展提供財務管理保障。使會計電算化在高校的應用與發(fā)展更加全面、健康、快速。

參考文獻：

[1]劉敏.小企業(yè)會計電算化系統(tǒng)實施研究[D].遼寧大學，2011（09）.