文摘

为了提高多媒体教学在高等教育的质量,本文分析了多媒体教育在高等教育中存在的问题,提高了多媒体教学系统,提出了一种三维多媒体图像表面提取方法基于折痕。此外,本文使用水平集方法分段高斯平滑多媒体数据获得初步划分目标断层区域,然后提取断层表面作为目标区域的特征。分析表明,高等教育的多媒体教学系统基于人工智能模型可以有效地提高多媒体教学模式,促进其进一步发展。

1。介绍

在线学习已经开放领域的特点,高复杂性,和冗余信息。媒体和资源的不合理使用会导致混乱和学习者认知超载,影响他们的学习成绩。认知负荷是学习者的认知资源消耗信息加工和处理的过程中(1]。此外,作为最重要的认知元素在多媒体学习,认知负荷对多媒体学习的效果有显著的影响。如何精确测量认知负荷是一个紧迫的研究问题必须尽快解决。

人类不可避免的消耗认知资源的过程中学习和解决问题的能力,和个人可以处理的信息元素单位时间是有限的。认知超载发生在认知资源需要处理信息的数量超过了个人工作记忆资源的能力(2]。在多媒体环境中学习涉及到不同类型的技术媒体的使用。同时,不同的教学媒体,资源表示方法和应用程序的各种线索很难有效地控制学习者的认知负荷。因此,认知负荷的问题在多媒体学习环境更值得研究[3]。梅耶尔的认知过程进行了探讨学习者在多媒体领域的学习和总结了著名的多媒体学习理论平衡学习者的认知负荷水平。此外,多媒体学习理论的基础是双通道的双重编码理论假设和理论假设。将这两个假设与生成学习方法相结合,生成多媒体学习理论断言,学习者积极从学习材料选择相关的视觉和语言信息。此外,它存储的视觉工作记忆和语言分别通过建立它们之间的联系。此外,通过认知资源分配和工作记忆能力建立参考链接和整合心理表征和先验知识,认知负荷效应将发生在学习者接收到的信息量超过了工作记忆容量(4]。目前,认知负荷测量方法在多媒体领域的学习包括主观测量、行为分析、双重任务分析、性能分析、眼动跟踪,生理测量。各种方法的应用提供了可能性认知负荷测量的客观性和准确性。本文使用文献分析的方法来解决认知负荷测量方法和相关指标应用于多媒体领域的学习和分析各种方法的优缺点,为后续研究提供参考(5]。

媒体网络具有以下特点:资源分布,无论是物理资源和逻辑资源,其功能显示强大的分布,和用户可以共享资源;实时传输,信号通常是连续的,这要求传输必须有强大的实时性能,如果有延迟,播放的质量将减少;交互性、多媒体系统,用户可以处理和修改信息。从上面的特点,多媒体系统比较复杂,和服务质量的要求也更高6]。因此,更好的支持服务控制能力可以帮助系统更及时发现问题,减少传输延迟。在此基础上,相关学者进行了以下研究。金和公园(7)提出一个全面的基于用户感知的服务质量监控系统。我们分析影响多媒体信息的安全隐私数据,构建安全因素和网络服务之间的交互模型,探索重要节点的位置,建立一个服务质量感知平台,有效地控制服务感知。Zawacki-Richter et al。8)提出了一种基于随机学习支持服务网络控制方法。网络拓扑的变化是感觉到通过心跳包观察机制。同时,为了减少测量误差,结合马尔可夫部分传感和随机学习自适应感应是用来实现传感调整的目的。然而,上述两种传统方法不能保证服务的感知范围,和由于多媒体网络的复杂性和可变性,他们不能适应网络变化,自适应控制性能很差。为了解决这些问题,杨et al。9)提出了他们的研究基于QoS的自适应多媒体服务意识控制的方法。QoS代表的服务质量,自适应控制技术可以控制各种服务网络基础设施的条件下保持不变。通过了解多媒体服务QoS的要求,结合自适应控制理论(10),支持服务QoS控制模型来提高服务质量,使多媒体技术更好地服务用户。

多媒体技术是用在许多不同的方式。使用多媒体教室里将为大学教师教学有积极的影响。大学的新课程改革包括附加的通用技术课程作为一种新的课程。目的是提高学生创造性地解决实际问题的能力,激发学生的学习兴趣,并加强学生的技术素养通过技术思想和方法的应用11]。社会的快速发展使得越来越多的教学使用多媒体技术和通用技术的合理使用也非常有助于学生大学阶段,以扩大学生的知识在课堂教学和学习。这增加了学生获取知识的渠道,以便学生可以有效地了解学生在学习通信技术的发展(12]。大学阶段是学生学习的关键时期,也是一个有效的为学生培养在许多方面。培养学生技术素养更有利于学生了解多媒体,在这个过程中,他们还可以更好地了解通信技术的内容(13]。因此,在教学过程中,教师需要渗透到通信技术进教室根据课堂教学的具体内容,从而有效地激发学生的学习兴趣。通信技术的发展是多方面的。最著名的一个是密切相关的科学和技术,这样学生和老师可以一起探索通信技术的奥秘。多媒体技术在课堂上的应用也更加有利于学生记忆知识,有效地提高学生的学习效率14]。通信技术也是一种学习技术,它需要教师的正确指导培养学生的技术素养,从而促进学生的全面发展。为了提高学生的技术素养和一般质量面对大学通信技术,教授应积极鼓励学生更多地了解通过多媒体通信技术。学生基本上能够理解教育的重要性通信技术由于教授和学生合作合作(15]。教师巧妙地使用多媒体技术在教学的过程中提高学生的技术素养,从而有效地提高课堂教学的效果。的多媒体技术在大学阶段更有利于提高学生的学习兴趣。与传统教学模式相比,信息技术的迅速发展,更有利于学生提高他们的学习效率和学习新内容将变得更容易理解,在课堂教学和教师将变得更加有效。充分发挥多媒体技术的作用可以有效地提高课堂教学的质量(16]。

为了全面提高教师多媒体教学技术和提高多媒体课件的设计和集成,它应该从两个角度划分和研究。其中,有必要加强学校教师的培训,提高教师学习和交流经验的机会,并加强教师的学习能力并通过培训,掌握多媒体教学技术,以有效地提高多媒体课件的设计和集成,提高课件。我们设计的内容和模式,使用多媒体课件教学的学习和培训的技术知识,提高他们的专业技能,促进提高教师多媒体课件设计的能力17]。为了提高自己的设计能力,多媒体课程,教师不仅要开发自己的多媒体知识和能力也增加专业培训机会,为他们创造支持性的工作环境,支持多媒体教材的无缝集成到大学历史教学(18]。

在大学历史教学多媒体课件的应用,多媒体教学的评价机制应该全面提高。历史教学中多媒体课件的应用程序当前快速发展的网络环境下,教师的多媒体教学能力的扩展和发展需要建立。完善多媒体教学评价机制的基础上,一方面,增加多媒体信息化的实现有着非常重要的作用和意义为各个领域和方面的教师的教学(19]。另一方面,在多媒体课件的应用,有必要利用多媒体信息技术设计和准备历史课件根据历史课程的基本需求和使用多媒体技术课程描述(20.]。

本文分析了多媒体教育在高等教育中存在的问题,提高了多媒体教学系统,提高多媒体教学的效果在现代高校。

2。智能多媒体图像处理技术

2.1。提取的过程,教学信息的3 d水平集基于折痕

在本研究中,crease-based信息提取方法,提出了三维水平集指令。图1描述了主要过程。实现过程之前,对蚂蚁体积数据进行高斯平滑。首先,三维数据量的水平集分割方法,和多媒体教学的目标区域和背景区域的信息数据量的初步划分。因为多媒体教学的目标区域信息的水平集分割是一个体积结构与厚度,需要进一步处理来获得三维表面反映了目标区域的空间拓扑结构。目标体的骨架结构可以完全保留目标体的拓扑形状信息的情况下减少冗余组件的原始目标的身体尽可能多。因此,本文认为教学信息分段数据体的骨架特征提取。

2.2。水平集分割的3 d数据量

图像的灰度分布不均匀,模型建立了一个图像模型来描述图像的真实分布,结合当地灰色聚类属性值来构造一个能量项测量区域划分的正确性。

建立图像模型公式所示(1)。其中,测量和获得的数据吗代表真正的数据值,衡量目标本身的物理性质。因此,假定h可以估计一个分段常数,即可分为N不相交的区域 ,这个部门必须满足 。当 ,对于每个不相交的区域,都有一个相应的常数 多媒体教学信息的平均值每个区域的属性值。是用来测量偏差场灰度不均匀的。自本身是假定变化缓慢,它可以被视为一个常数在当地。n是额外的噪音。

接下来,本文讨论了地方灰色聚类属性值。对于每个点整个数据的域 ,以点为中心和一个给定的随着半径,一个圆形域 可以获得。基于假设的偏差d慢慢地改变,有一个等价关系公式所示2内点) 。基于的假设J可以估计一个分段常数,因为每个地区的点 ,它真正的数据值大约可以取代一个常数 ,的图像模型公式(1)所示的近似模型可以近似公式(3)。此外,它大约是认为噪音满足零均值,分布服从正态分布:

的范围分为N每个集群通过十字路口 ,集群中心的表示 。该区域的灰度值是除以 - - - - - -意味着聚类算法,每个点的聚类准则方程y可以获得所示(4)。其中,是一个非负窗口函数,也称为核函数,满足 :

当地的聚类准则函数作为评价指标划分 。较小的值函数是,这个部门是更好的效果。因此,当最优分区决定整个 ,的值当地的所有点的聚类准则方程也必须是最小的。通过集成对所有点在整个域,所示的能量项(5)将获得。图像的最终分割结果和估计的偏差场可以获得通过最小化能量项所示(5)。在实际应用中,核函数可以自由选择,截断高斯函数公式所示(6本文中使用。半径域半径是一样的吗 ,和它的选择应该根据实际确定程度的不均匀性的3 d数据量:

的价值水平集函数接受一个积极或消极的信号,可以把数据域2分成两个不相交的区域和 。这个函数 被定义为水平集函数,整个数据体可分为如公式(7)通过判断函数的符号价值。的情况下N> 2,需要指定多个水平集函数来划分亚区 :

地区的隶属度函数和被定义为 ,在哪里亥维赛函数,能量函数(5)的形式可以表示(8通过交换集成顺序)。为了方便起见, 表示一个向量的形式 ,和水平集函数 ,向量c和偏差b被用作变量的能量 。其中,为了简化的表达 ,(所示的部分9)是由 :

的能量 可以使用上面定义的数据项模型的能量函数,和模型的能量函数所示(10)。其中, 代表零电平轮廓的面积值 ,所以它可以用来限制平滑的轮廓。 是签署了距离函数,在哪里代表一个能量密度函数,定义为所示(11):

本文使用水平集方法对非均匀分布的高斯平滑后图像处理蚂蚁体积数据。该方法的主要步骤如下:(1)最初的轮廓可以随机选取的,因为本文中的模型利用这一决定并不敏感。另外,变量设置为时间迭代步长,规模参数用于卷积操作,和本地集群的邻域半径。同时,为方便数值计算,所涉及的方程模型是近似的。(2)接下来,本文对变量执行迭代操作,c和b。整个算法的目标是最小化能量函数和导游和控制更新的值c和b每次迭代过程中按顺序。本文使用公式(12)和标准梯度下降法结合迭代更新φ。与此同时,在每个迭代中所示的公式(13)和(14)是用于更新c和b分别为: (3)每次迭代过程中计算,算法计算 ,即进化表面的面积值,然后计算它的面积值之间的差异进化表面后,先前的迭代。此外,本文中法官的预设阈值 。如果小于 ,这意味着收敛的表面状态;即表面轮廓接近目标体的边界,算法结束。这时,包含零水平集的表面面积确定多媒体教学信息的目标区域。

2.3。与骨架提取多媒体教学信息的特性

从上述可以看出,骨架结构的一个主要方法来描述对象在图像处理的拓扑结构。骨架位于身体的中心目标,并在完全的前提下保留形状信息的原始目标的身体,冗余组件的原始对象尽可能减少。的对目标区域的分割数据量一直在获得上述多媒体教学信息,但目前多媒体教学信息结构是一个体积结构与厚度。因此,本文将教学信息作为目标区域的骨架特征提取,最后得到一个三维表面反映多媒体教学信息的空间拓扑结构。

距离变换首次提出以来得到了广泛的应用,数字图像处理的重要应用,运动轨迹规划和导航。其中,欧氏距离变换广泛应用由于其精度高、符合实际的距离。通常,在一个二维的空间中,一个二进制图像可以被认为只包含两种类型的点,在目标点的值是1,和背景点的值是0。欧氏距离变换后,图像从一个二进制图像变成灰度值图像看起来非常类似于原始图像。目标卷的价值将上升一层一层地从边界到室内的每个像素内部区域目标卷的需要之间的欧氏距离和最接近的背景点。

本文要处理的数据是三维,并相对较大的数据量。因此,多维欧氏距离变换算法来处理数据量除以水平集方法。该方法可以有效地处理多维数据,效率高。

对于二进制数据在三维空间中,数据点可以分为目标点和背景点。O用于表示目标的点集的身体,和补充的 ,背景点的集合,是由 。任意点的3 d数据量用 ,和 是体积目标内的点数。的价值X对于每个点被定义为

点的邻域是 。当是一个点在三维空间中,其社区范围被定义为点的26-neighboring点吗(除了三维数据体的边界),可以用哪一个

同时,目标的边界点集的定义的身体。他们属于背景点和目标点的邻近点。边界点集可以表示为

对于任何一个点 ,其欧氏距离变换是找到点与背景之间的欧氏距离最小点和重点 。同时,它相当于找到边界点的点集,它能使之间的最小距离和背景。代表了欧氏距离变换从原始三维数据量距离字段数据量 ,和代表了欧氏距离。的表达功能所示

对于任何一个点在目标点集,最接近的点被定义为背景 ,见公式(19)。通常,可能有多个欧氏距离最小的点,通常在这种情况下,其中一个是随机选取的。当 , 也有相应的定义如公式所示(20.),点的边界点集合,欧几里得距离是0:

整个算法从边界点,然后向内搜索目标点一层一层地进步,节省的每一层通过容器队列 ,然后不断迭代,直到整个队列是空的。对于任何一个点在目标点集信息,如它的最近的边界点和最小欧氏距离他们之间是记录。队列的主要操作是插入点从队列的尾部和删除点从队列的头部。步骤1:该算法遍历三维数据量处理的水平集方法,并确定每个数据点的值。如果该值是负的,我们会标记点与目标点,并将其添加到目标点集 。如果值是负的,我们点标记为背景点,并将其添加到背景点集 ,该值为0,我们其标记为一个边界点,并将其添加到边界点集吗 。步骤2:该算法初始化所有的信息在目标点集 ,和最小距离点它与背景之间最初是空的,最小欧氏距离它与最初是正无穷,队列初始化到边界点吗f。步骤3:如果队列非空,迭代处理完成,因为尚未处理的目标点。对于每个点在队列中,算法的进展目标体的内部通过其邻近点集 。如果相邻的点目标点的没有处理和最小欧氏距离记录下大于最小欧氏距离吗和 ,该算法继承了最小距离点从背景点, 和 。然后,该算法补充道到队列,并删除r从队列中如果所有的邻居处理。步骤4:第三步结束后,最后一个记录和最小欧氏距离将最优的目标点。因此,该算法将替换目标点的值与记录本身和更新所有点的背景值点设置为0。第五步:完成欧氏距离变换,操作结束。

3所示。基于人工智能的高等教育多媒体教学系统模型及其改进

典型的多媒体网络系统主要包括多个传感器节点、汇聚节点和控制中心。架构如图2。

在嵌入式多媒体终端控制系统中,任何函数需要完成任务指令通过信息传播。然而,随着媒体文件的快速增加,系统控制速度将放慢速度,资源消耗也会增加。为了提高实时数据传输速率,本文中的EMFTP提议可以使系统有更好的及时性,减少资源消耗,提高系统的整体性能。EMFTP主要采用传输控制协议(TCP)和用户数据报协议(UDP),并使用应用程序层控制完成指令的快速传播信息。其体系结构如图3。

嵌入式汽车多媒体终端控制系统的核心硬件是飞思卡尔我。MX31处理器。它由电源板、存储设备、视频监控,广播,GPS导航,蓝牙,人机交互,DVD,等等,如图4。

由于Windows CE 5.0系统有一个摄像头驱动程序,应用程序只需要使用系统调用函数打开相机设备和澄清相机中包含的图像信息。本文使用Linux视频设备驱动程序V4L2管理摄像机图像信息,和它的工作原理如图5。

这项工作提取图像特征,融合提取的特征,提高了图像检索的准确性通过结合多种特征全面分析后的原始深度学习。的框架多媒体图像信息的快速检索方法基于改进的深度学习如图6。

该系统基于C / S架构,使用MySQL数据库来存储数据,并使用c++开发环境生成音频和视频编解码库来发送和接收流媒体数据,如图7。

GUI是不固定的结构,便于灵活改变未来。例如,而不是将一些功能在一个窗口,窗口除以函数,这样每个窗口的功能是简洁而简单。在这一层的程序开发中,主要是使用可视化编程工具,如4 gl的visualBasic和PowerBuildep DelDhi。它主要用来检查输入数据的合法性和有效性,控制输入的数据量。通过简单的控制,这一层和功能层之间的数据交换可以减少,这在网络传输尤为重要。图8显示了系统架构。

图9显示了图像识别的例图高等教育多媒体教学课件的多媒体教学系统基于人工智能模型。

图的基础上9,本文进行多媒体教学评价高等教育多媒体教学系统的基于人工智能模型本文提出并获得结果见表1通过多个评价的最终结果统计。

从上面的分析可以看出,高等教育多媒体教学系统基于人工智能模型可以有效地改善多媒体教学模式,促进多媒体教学的进一步改善。

4所示。结论

大学是一个非常关键的时期在一个学生的学术生活,还有很多需要学习。自通用技术只是一个统一的考试话题,学生的注意力不高。学生的主动性、自由、创新的学习过程将严重阻碍如果标准的教学方法是用来传授知识。此外,作为他们学习,学生将最终筋疲力尽,在他们学习失去兴趣。因此,合理使用多媒体显示器可以有效地激发学生的多种感官,从而提高学习效率,这样学生的学习生活变得不再枯燥,有效地提高教学质量和教学效率。本文分析了多媒体教育在高等教育中存在的问题,提高多媒体教学系统,提高多媒体教学的效果在现代高校。分析表明,高等教育的多媒体教学系统基于人工智能模型可以有效地改善多媒体教学模式,促进多媒体教学的进一步改善。

数据可用性

使用的实验数据来支持本研究的发现可以从作者要求。

的利益冲突

作者宣称没有利益冲突的这方面的工作。