計算機視覺的應用
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篇計算機視覺的應用范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。
計算機視覺的應用范文第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，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發揮出自身價值。
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據集為ImageNet，其中囊括了非常豐富的內容，存儲了近1500萬個圖像的URL并將圖像劃分為數萬余個類型。ImageNet每年組織開展的大規模視覺識別挑戰賽（ILSVRC）中，圖像分類算法與技術也不斷創新，圖像分類的準確性也持續提升。ImageNet數據集表現出規模大、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直接共享到其他數據集，從而對數據實施微調。圖像分類屬于計算機視覺領域最為基礎的環節，對于圖像分類模型創建和數據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算法的出現有了進一步的創新和突破，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的問題予以優化，大大減少了候選區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出一定的不穩定性，因此模型建立往往也表現出一定的難度，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出更高的穩定性和適用性，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出更加強大的優勢，現階段深度學習芯片日益增多，對于無人駕駛技術的發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。基于深度學習技術，能夠有效促進智能家居行業的更新發展，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，即可從數據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醫療影像數據中的應用
醫學影像直接關系到對患者疾病診斷的準確性，對于放射科的醫務人員來說，依靠醫學影像能夠促進診斷效率的提升。現階段國內外諸多醫學專家隊伍，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，極大地推動醫療水平的提升，為廣大患者帶來了更加便捷和高效的醫療服務。基于深度學習技術的計算機視覺在醫療影像數據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療服務；（2）依靠數據分析技術，能夠在很大程度上促進醫療機構經營管理水平的提升；（3）在醫學影像中的應用，能夠讓醫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療大數據的可視化帶來便利；（5）在藥企研發工作中的應用，可以處理好過去一直以來藥物研發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據實施監測，進而對疾病風險予以提前預測。
計算機視覺的應用范文第2篇
【關鍵詞】計算機視覺技術 馬鈴薯外部品質 檢測
隨著計算機技術的不斷發展，計算機視覺技術應運而生并在工業自動化以及農產品檢驗檢測等領域成功應用。其中，將計算機視覺技術用于以自動化采集和品級分級為代表的果蔬商品化處理具有非常廣闊的發展空間。我國政府將“農產品深加工技術與設備研究開發”列為我國“十五”重大科技攻關項目的第一項，這標志著計算機視覺技術在果蔬外部品質檢測中會發揮越來越重要的作用。
馬鈴薯是世界上僅僅排在小麥、水稻和玉米之后的第四種主要農作物，種植區域非常廣泛。馬鈴薯品質檢測是馬鈴薯深加工的一個關鍵步驟，目前，該檢驗過程多數采用人工檢測，不僅成本高、效率低，而且與檢驗員的專業素質有密切的關系，受到人為因素影響的程度較大，嚴重制約的馬鈴薯加工企業的發展。計算機視覺技術能對農產品的某些特性變化和缺陷進行識別，具有客觀、無損害等特點。本文對基于計算機視覺的馬鈴薯外部品質檢測的應用進行了研究。
1 應用計算機視覺技術對馬鈴薯進行外部品質檢測的必要性
隨著“麥當勞”、“肯德基”的餐飲服務業的快速發展，炸薯條、炸薯片已經成為一種休閑食品深受消費者的喜愛，推動了我國馬鈴薯產業的發展。然而，情況并不十分樂觀，與國外的馬鈴薯企業相比，我國馬鈴薯加工企業生產規模小、生產產品單一、技術設備落后、產品質量不高的現象導致我國的馬鈴薯產品銷售困難，經濟效益逐漸下滑。
基于以上現狀，對馬鈴薯的加工研究還有很長的一段路程。企業要擴大生產規模，針對中國的消費趨勢與消費水平開發出新的馬鈴薯產品，從而提高我國馬鈴薯產品的競爭力。這就要求馬鈴薯加工企業要對馬鈴薯的加工技術進行創新，保證產品質量。其中，馬鈴薯外部品質檢測對馬鈴薯產品的最終品質起著決定性作用。當前的人工檢測方式已經不再適應社會發展的要求，利用計算機視覺檢驗代替人工檢驗成為社會發展的必然趨勢，這是因為計算機視覺技術具有以下優點：
（1）精度高，能夠進行定量測量。
（2）自動化程度高，一次就可完成包括大小、形狀、顏色以及缺陷在內的檢測和分析，并能進行綜合識別。
（3）無損檢測，計算機視覺檢測過程不需要接觸產品，是通過傳感器掃面獲取圖像的，不會造成產品的損傷。
（4）信息量大，可對大量信息進行采集，對光譜的敏感范圍也很廣。
2 基于計算機視覺的馬鈴薯外部品質檢測的應用研究
2.1 馬鈴薯大小的檢測方法
馬鈴薯的大小檢測不僅影響馬鈴薯深加工的商業價值，在在遺傳和育種方面也有很高的應用價值。
利用計算機視覺技術對馬鈴薯大小的檢測步驟如下：先從攝像機中獲取馬鈴薯的圖像信息，在圖像信息的基礎上對馬鈴薯三維空間的幾何信息進行計算，并由此重建和識別馬鈴薯。而馬鈴薯物體表面某點的三維幾何位置與其在圖像中對應點之間的相互關系是由攝像機成像的幾何模型決定的，這些幾何參數成為攝像機參數。要想準確的獲取這些攝像機參數，就必須將實驗與計算相結合，此過程成為系統定標。
系統定標的基本步驟：根據設定好的攝像機模型和特定的實驗條件包括形狀、尺寸等已知的定標參照物，經過對馬鈴薯圖像的處理，并利用一系列的數學轉換和計算方法將攝像機模型的內部和外部參數計算出來，從而建立照片與實物的聯系推算出馬鈴薯的真實尺寸。
2.2 馬鈴薯形狀的檢測方法
根據《中國馬鈴薯栽培學》中的知識，我們可以把馬鈴薯的塊莖形狀分為三類，分別是圓形、長筒形和橢圓形，除了這三種形狀，其余都是這三種形狀的變形。此次研究將馬鈴薯分為圓形、橢圓形和長筒形，并且采用橢圓的短長軸比來模擬馬鈴薯的縱橫直徑之間的關系。
2.2.1 馬鈴薯形狀特征參數的提取
將馬鈴薯橢圓的短長軸比R作為形狀特征參數，并按照R的大小將馬鈴薯進行分類。當R小于0.67時，稱之為長筒馬鈴薯；當R大于0.85時，稱之為圓形馬鈴薯；當R介于0.67到0.85之間時，稱之為橢圓形馬鈴薯。
2.2.2 結果與分析
隨機抽取114塊馬鈴薯，對抽取的馬鈴薯進行正反兩面拍照，挑選清晰度最高的228張圖片。人工分類后進行計算機視覺分類，操作步驟具體如下：
（1）用DIPS預處理：B通道灰度化，中值濾波和Otsu分割；
（2）通過計算機視覺技術提取馬鈴薯圖片的短長軸比R；
（3）將人工分類與計算機視覺分類進行對比，并得出正確率。
根據圖表，我們可以看出在228張僅有兩張圖片被分類錯誤，正確率高達99.1%，而這兩個分類錯誤的馬鈴薯的短長軸比處于0.67周圍，分別為0.667604 ， 0.67193和0.671887， 0.661063，又因為對馬鈴薯形狀的分類不需要類似工業生產那樣精密，所以，當正反兩面短長軸比接近時都可看作是橢圓形。
2.3 馬鈴薯的缺陷檢測
計算機視覺技術具有實時、客觀、無損的檢測特點，能對馬鈴薯的表面缺陷和某些特征要素進行快速檢測。基于此，國內外很多研究學者進行了大量的實驗研究，在1998年開發了利用PC機輔助的實時馬鈴薯檢測系統，能夠對馬鈴薯的重量、顏色以及形狀進行快速檢測；2000年，相關研究者在此基礎上建立了計算機視覺檢測系統，不僅能實現大小、形狀的檢測，還能對馬鈴薯表面的生長裂縫、機械裂縫、綠皮等表面缺陷進行檢測。當前對馬鈴薯表面缺陷進行檢測的主要計算機視覺技術包括缺陷分割法和缺陷識別法兩種方法。
3 結論
本文應用計算機視覺技術對馬鈴薯的大小、形狀和表面缺陷等外部品質進行了檢測，但是還未能實現利用計算機視覺技術對馬鈴薯的表面缺陷進行分類這一技術。因此，相關部門要加大研究力度，爭取早日完善計算機視覺技術，從而推動我國馬鈴薯加工企業快速高效的發展。
參考文獻
[1]魯永萍.基于機器視覺的馬鈴薯外部品質檢測與分級.機械設計及理論[D].內蒙古農業大學.2013（學位年度）.
[2]史崇升.基于高光譜成像技術的馬鈴薯外部品質無損檢測建模及優化研究.電子與通信工程[D].寧夏大學.2014（學位年度）.
作者單位
計算機視覺的應用范文第3篇
關鍵詞：計算機視覺；定標方法；應用特點
中圖分類號：TP319文獻標識碼：A文章編號：16727800（2012）007014902
作者簡介：許志雄(1968-),男,浙江紹興人,江漢石油鉆頭股份有限公司工程師，研究方向為計算機多媒體。
0引言
計算機技術的應用在諸多領域占據了主要位置，并得到了人們的極大重視。在此形勢下，攝像機的高清晰度亦成為了人們追逐的目標，而在計算機視覺中的定標方法有各種不同的處理方式，從而為攝像機的發展提供了一個絕好的機會。由此，計算機視覺中的攝像機定標方法成為當今世界攝像機研究領域里至關重要的一個方面，以攝像機得到的圖像信息作為出發點來計算三維空間中自然場景的幾何信息成為計算機視覺的基本任務之一，并且它的應用特點也得到了人們的密切關注。
1攝像機視覺投影原理
透鏡成像的原理利用了光的折射現象，而攝像機的視覺投影原理和透鏡的成像原理相差無幾，只不過在一些細節上進行了相應的改變，使成像更加清晰，以更好地滿足人們的需求。攝像機視覺投影原理就是利用鏡頭的光學原理進行視覺成像，而其中又有許多理論支持，包含鏡頭與焦距和視角。焦距是指鏡頭的焦點之間的距離,對于攝像機而言，就是指從鏡頭的中心位置到攝像管，也可以說是成像的位置之間的距離就是攝像機鏡頭的焦距，只有調整好了這兩者之間的距離，才能保證攝像機的攝像效果，這也是保證攝像機正常工作的首要任務。視角要受到鏡頭焦距的限制，由鏡頭焦距對攝像的大小情況而決定，攝影師們就是通過對焦距的不斷變換來改變對任務的造型，從而改變人們的視覺效果。對于拍攝相同距離的目標而言，鏡頭焦距越大，攝像的水平視角就會變得越窄，這樣帶來的后果就是拍攝到的目標的范圍就越小，使得拍攝效果大打折扣，從而給攝像機帶來不利的使用效益。因此，必須在兩者達到一個較好的組合效果之時，才能夠充分發揮攝像機的作用，并將攝像藝術發揮到極致。由此可見，計算機視覺中的攝像機定標方法將會給攝像機的拍攝效果帶來巨大的轉變。
2計算機視覺中的攝像機定標方法
2.1三維定標法
在人們的平常思維中，凡是物體的影像必定是三維的，本文的理論研究也同樣基于這樣的想法。在討論單幅圖像的設計標定之時，我們所追求的理論基礎就是需要攝像機的定標物是人們所追求的那種三維的效果，在此基礎上再進行相關的理論研究，以達到相得益彰的效果。在此過程中，首先要準確定位定標物上一些比較重要的點的三維坐標，這樣才能夠為后來的工作提供方便；然后在與定標物相對應的成像上找到相應的點的位置，這是至關重要的一步，這也決定了后面成像的具體設計方法；最后在那些比較重要的點的圖像上標出其具體的三維坐標，達到定標物的實際成像效果圖，這樣就可以完全解決攝像機的成像問題了。這種定標方法的基本原理就是充分分析定標物的三維信息，同時與它的具體成像位置相關聯，在這兩者之間形成一種具體的相對應關系。由此我們可以充分利用計算機的快速運算，實現攝像的功能，并適時進行程序功能改進，優化定標物參數的獲取方法，從而達到增加攝像機清晰度的目標。
2.2平面定標法
與上面的定標方法相對立的一種方法就是多幅圖像的設計標定。在這樣的時代背景下，人們的要求應盡可能得到滿足，因而理論研究者會在這個方面下足功夫，弄懂這里面的個中玄機，利用多幅圖像對平面的定標物來進行物體的標定工作，以達到攝像機定標的目的。這樣的平面定標方法就是充分利用平面物體的運動特性，在它和攝像機之間找到一個平衡點，觀察兩者的相對運動，這樣的定標方法也給拍攝運動中的物體帶來了生機。此方法在實施之余也會帶給人們不一樣的感受，讓人們充分體會到攝像的魅力。當然這種考慮運動的平面定標法會受到特征點的增多的影響，隨著點的不斷增加，定標情況就會越來越好，定標物的精度也會不斷提高，于是在定標物相同的前提下，平面定標法自然就可以從定標物上獲得更多的數據信息，為準確對定標物進行定位測量提供了更多的依據。因此，這種方法的效果要比前面的方法好很多，得到推廣的力度也會大大增加，所得到的經濟效益也會增加，設備的成本在原來的基礎上還有降低的趨勢。所以，理論研究者的研究領域就會逐漸向這一方面進行轉變。
2.3兩步定標法
有了前面的研究成果作支撐，攝像機定標方法的進一步研究就會顯得異常容易，人們的進一步要求也會得到滿足，可謂一舉兩得。理論研究者們在有了豐富的理論和實踐基礎之后，利用直接線性的定標方法進行攝像機參數的進一步優化提高，通過透視原理來修改以前的參數，然后將修正的參數進行初始值的確認，把它們作為現在研究階段的起點，在這樣的起點之上綜合考慮各種外界因素，利用最優化的計算機算法進行攝像機成像程序的改進，把原來的程序進行升級處理，使得定標物的精確度得到進一步的提高，這就是我們所提到的兩步定標法。它的基本原理其實很簡單，只不過是充分利用了原有的理論，并進行了一定的創新而已。但就是這樣的創新步伐的邁出，給計算機視覺中的攝像機定標方法帶來了新的生機，也給攝像機鏡頭的優化帶來了很多指導方法。在圖像中心到圖像點的距離保持不變的前提下，參數的數量會顯著減少，這樣不僅節省了材料的用量，而且還進一步提高了攝像機的攝像清晰度，有效彌補了以前清晰度不高的缺點。這樣一來，攝像機的成像效果大大改進，于是才有了現代攝像機的高清效果，確實讓人們享受到了科技帶來的福音。
3計算機視覺中的攝像機定標方法的應用特點
3.1建立于主動視覺上的自我標定
由于計算機視覺中攝像機定標方法的不斷推廣，一些計算機技術在攝像機的制作過程中得到了較好的應用。但是在這之中必不可少地存在一些制作人員或設計人員的主觀因素，這樣攝像機的標定方法中就會形成形色各異的特點，而且彼此之間可能會出現較大的不同，特別是在主動視覺上的自我標定。在主動視覺中，我們所用到的攝像機可以在一個被控制的平臺上被人們固定，利用計算機的高運算能力，計算機可以把平臺上所出現的參數精確地讀出來，我們只需要利用控制攝像機的運轉順序，讓攝像機作一定的周期運動，就可以在這個過程中得到更多的圖像，然后再利用所成的圖像和固定的攝像機的運動參數來確定攝像機的運動情況。這種自我標定方法比較簡單，但是必須為人們提供精確控制攝像機運動的平臺，這種以主觀意識為主的標定特點強化了個人的主觀能動性，讓人們更加易于接受。
3.2進行有層次劃分的逐步標定
近年來，人們對攝像技術的理論研究已經日趨成熟，并根據自己的意愿進行相關的研究工作，把自己的想法融入到攝像機的設計中，真正做到有層次的逐步標定，把所要的標定物以逐個擊破的方式實現有層次的程序算法，從而讓人們在邏輯上能夠有所認識，并且易于接受，從而達到有層次劃分的逐步標定的目的。分層逐步標定法已為標定研究領域中普遍認同的方法之一，在實際的應用中逐漸取代了直接標定的方法。因為進行有層次劃分的逐步標定是符合人們的想法的，而且這種方法的特點是以射影標定作為基礎，以某一幅圖像作為基準圖像，進行其它圖像的射影對齊工作，從而將攝相機中成像未知參數的數量減少，更易于為人們所接受。可以說，進行有層次劃分的逐步標定是人們在實踐中得出的一套符合大勢所趨的標定方法，為世人所推崇。
4結語
綜上所述，計算機視覺中攝像機定標方法在人們的不斷認識中得以應用和推廣，在時代的不斷進步中逐漸向前發展。同時，攝像機標定方法的應用特點也大相徑庭，各有千秋，從而實現百家爭鳴的態勢，進一步推動計算機視覺中的攝像機研究工作的向前發展。
參考文獻：
計算機視覺的應用范文第4篇
關鍵詞：數據挖掘；考試成績；數據分析
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，數據越來越多，形成海量數據。這些數據是否還有意義呢？能否挖掘出些規則、知識反饋到學校教學中，促進教育發展？
1 數據挖掘技術
數據挖掘是從大量的、不完整的、有噪音的、模糊的、隨機的數據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，致力于數據分析和理解。其處理對象是大量的日常業務數據，目的是為了從這些數據中抽取一些有價值的知識或信息，提高信息利用率，原始數據是形成知識的源泉。數據挖掘包括數據描述、聚類、分類、預測、孤立點分析、關聯規則等多方面。其中數據描述又稱為數據總結，目的是對數據進行濃縮，給出它總體的綜合性描述，實現對原始數據的總體把握。常用數據描述方法是統計學的傳統方法，如計算機數據項的總和、均值、所在比例、方差等基本描述統計量，或是繪制直方圖、折線圖等統計圖形。數據分類是指研究已分類資料的特征，分析對象屬性，據此建立一個分類函數或是分類模型，然后運用該函數或模型計算總結出據特征，將其他未經分類或新的數據分派到不同的組中，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 數據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據，結構完好，數據全面，但是目前這些數據沒充分利用起來，每次的數據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，把數據挖掘技術應用到計算機等級考試數據中，挖掘出潛在的、有意義的規則或知識。
2.1 數據對象。在計算機等級考試中，涉及的數據繁多，如報名數據，成績數據，考點數據等等。本文需要挖掘的對象是學生的成績，成績數據表包含如下字段，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據，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 數據預處理。本次挖掘的數據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據。在實際的數據挖掘過程中，還必須對這些數據進行一系列預處理工作，轉為適合的可用的數據。數據預處理方法很多：如數據抽取，數據清理，數據轉換等。
2.2.1 數據抽取。首先分別從兩個考試數據中抽取出需要的成績數據，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 數據清理。挖掘的原始數據可能不完整，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，或根據數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據中有少許社會考生數據，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，促進教學改革和發展。
2.2.3 數據轉換數據轉換將數據變成統一的格式，以適合數據挖掘。如關聯規則Apriori算法中在處里類似分數值之類的數據時，需要轉換為等第形式的成績，因此對前面處里的數據進行如下轉化，優秀——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為466人，占未通過人數的7%，因上機成績未通過的人數為1078，占未通過人數的16.19%，二者合計占總成績未通過的23.19%，這比較發現：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、良好和優秀，大致比例24：5：1。可見通過的學生中絕大部分都僅僅是及格而已。具體為及格人數達到2418人，占通過人數的79.58%，占總報名人數的24.94%；良好人數為512人，占通過人數的16.85%，占總報名人數的5.28%，優秀人數為108人，分別占通過人數的3.55%，占總報名人數的1.11%。由此可見，獲得優良成績的人數太少。
在總成績為及格的記錄中，筆試和上機成績為均及格的1127人，占此部分的46.61%，另外筆試成績為及格，上機成績為優良的929人，占成績為及格一檔人數的38.42%，上機成績為及格，筆試為優良的僅362人，占成
績為及格一檔人數的14.97%，這說明上機考試只要會做就容易取得好成績。
總成績為良好的512人，優秀的108人，分別占通過人數的的16.85%和3.55%，占總報名人數的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現：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；再次取得優良成績的人數太少。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（通過的人數與報名人數的百分比）在一定程度上表現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，發現缺考現象較重，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，取得上機成績優良的人數遠遠多于筆試成績優良的人數，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，成績數據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據挖掘分析[J].微計算機信息，2008年底24卷第2～3期.
[2]王永生.數據挖掘在考試系統中的應用[J].2005年北京工業大學工程碩士學位論文.
[3]湛德照.基于關聯規則的考試數據挖掘[J].五邑大學學報2009年5月第23卷第2期.
計算機視覺的應用范文第5篇
【關鍵詞】工程決算；造價控制；功能定位；應用
如何實現工程造價的合理化實施，一直是業界熱烈討論的問題，特別在建筑工程造價領域尤為突出。不難理解，當前金融環境的緊縮態勢對于建筑項目開發來說帶來了諸多困局。其中，外源性資金供給量銳減已使得部分企業處于破產的邊緣。那么如何完善造價控制呢。從目前文獻所反映出了觀點包括：增強造價人員崗位意識、增強設計人員與造價人員之間的聯動，以及普遍引入招投標機制等。誠然，以上措施都能在一定程度上保證造價控制的順利進行。然而，在缺少造價過程控制的情況下，以上措施也只能在事前或事后給予彌補。
筆者提出：應將工程決算引入到造價控制中來。工程決算包括兩個方面：（1）工程建設過程中的決算；（2）工程竣工結算。為此，本文也將圍繞著這兩個方面展開闡述。文章中的工程造價特指建筑工程項目。
一、目前造價控制存在的難點
將建筑項目施工作為整體看待，其中又可以分為：材料采購、具體施工、竣工驗收三個階段。因此，以下將圍繞這三個階段，探討其造價控制的難點。
（一）材料采購階段的難點
建筑工程項目的規模是展開工程造價的前提，也是測算人工費用的基礎。在完成工程造價之后，便須將配套資金進行劃撥。在原材料采購階段，將面臨材料離岸價格波動的影響；同時，還將涉及到材料運輸的物流成本。因此，在此階段的造價控制難點便在于，確定單次材料的采購數量。不難理解，單次材料采購數量不僅取決于原材料價格波動的應對策略，還在于減少運輸次數而節約物流成本。
（二）具體施工階段的難點
具體的施工過程則成為造價控制的重點，其中將發生人工費用和原材料消耗費用。一般而言，人工費用占總造價的20—25%左右，因此，控制的核心則是原材料的使用環節。針對該階段的造價控制，難以做到跟蹤審計。因此，原材料的成本控制與否，往往取決于員工的工作態度。而且，員工工作態度如何，還影響到施工進度。從而，在整體上對工程造價控制產生消極作用。
（三）竣工前驗收階段的難點
項目竣工前的驗收階段，包括：工程質量檢測、尾款結算兩個要件。其中，工程質量檢驗結果若不理想，將直接導致返工或經濟處罰，因此造成無謂的損失；而尾款結算則涉及到對諸多票據真實、合理性的確認。根據筆者的經驗，當工程項目再次發包之后，建筑隊最后一般會超出造價額定數量。
由此可見，以上三個方面的難點，便為工程造價控制建立起了切入點。那么工程決算在促進造價控制的功能定位是什么；并且，又該如何發揮這些功能呢。這兩個疑問便成為以下兩個部分需要分別討論的問題。
二、工程決算功能定位
在本文開篇就已指出了工程決算的實施階段。在造價控制目標導向下，工程決算將從以下3個方面發揮其功能。
（一）工程審計功能
從工程項目資金預算監管的角度來看，工程審計實則是對項目資金使用所進行的跟蹤監管工作。通過這項工作以確保建設資金流向、流量，以及使用效益上達到預期的目標。在手段的使用上便可以引入工程決算環節。伴隨著建筑項目的分階段完成，當各子功能區建設完成之后給予工程決算，便能通過成本費用等實際發生量與計劃量之間的比較，而得到工程審計的功能。眾所周知，造價控制的主要工作便在于規避“三超現象”。在一系列制度約束下，再配以工程決算手段則能在過程中降低該現象的發生。
（二）績效管理功能
從工程項目管理的視角來看，績效管理的對象是“人”，其目的在于通過引入正、負激勵機制，來實現目標管理的順利展開。工程造價控制的范疇包括從項目設計到竣工的全過程領域。從而，如何增強各階段人員的崗位意識，特別是具體施工人員的成本控制意識，則須依賴于科學、合理的績效管理措施。其中，工程決算無論是在過程中進行，還是在竣工后執行，都能為績效管理提供關鍵的實際經費使用數據。這就為建立建立績效評價提供了重要基礎。
（三）成本控制功能
根據經濟學原理可知，該工程項目若要滿足預期的經濟效益目標，須實現“產出/投入”比值的最優化。也就是當資金投入量一定時利潤最優化；或者當利潤一定時資金投入最小化。這一目標的實現，便在于進行嚴格的成本控制。如何看待工程決算與成本控制間的聯系呢。道理是：工程決算所體現出的審計功能與成本控制功能是同一事物的兩個方面。即，審計的對象是貨幣化的資金，而成本控制的對象則是實物化的資金。從而，成本控制功能便成為工程決算功能定位中的應有之義。
以上三個方面的闡述，就為工程決算具體的應用奠定了目標導向。
三、功能定位基礎上的應用
具體而言，可從以下3個方面進行應用：
（一）建設項目決策階段
針對項目的可行性分析是影響造價控制的關鍵因素。據經驗數據顯示，項目決策階段的正確與否，將在占70%的權重上影響著項目投資費用。在建筑工程項目決策階段，應結合所在地質特征、建筑規模，以及項目資金籌措等因素展開可行性分析。因此，工程決算的功能定位決定了，其可在資金籌措成本方面展開審計。
（二）建設項目設計階段
不難理解，建筑工程項目存在著單次人力、物力投入大的特性，惟有把握好項目設計關才能避免不必要的造價波動。據有關資料分析，設計費一般只相當于建設工程全壽命費用的1%，甚至更低，但正是這少于1%的費用對工程造價的影響度占到70%以上。為此，在項目團隊設計過程中，應強化項目設計監管制度。以工程決算中的績效管理功能，來對項目設計團隊進行量化考核。
（三）建設項目竣工決算階段
竣工決算是業主和施工單位都十分重視的工作，工程造價科室在這個環節上：（1）核對竣工工程內容是否符合合同條件要求，工程是否竣工驗收合格，合同中約定的決算方法、計價依據、取費標準、主材價格和優惠與承諾條件等。（2）檢查核對隱蔽工程驗收記錄，所有隱蔽工程均需進行驗收，實行監理的工程要經監理工程師簽字確認，隱蔽工程量要與竣工圖相一致。（3）落實設計變更簽證，設計變更要有原設計單位負責人簽字，并經建設單位和監理工程師簽字，重大設計變更要經原設計審批部門審批，否則不應列入竣工決算。（4）現場按竣工圖、設計變更、現場簽證進行工程量的核實。（5）做到嚴格、合理、公平、公正。
最后，對于造價控制與質量保障之間來說，并不存在對立關系。因此，這里需要項目監理嚴格把握工程質量。為了使成本控制更加有效，應建立“項目監理”和“造價人員”在內的團隊。通過借助不同專業知識的互補性，來推動對社會效益原則的契合。
四、小結
應將工程決算引入到造價控制中來。工程決算包括兩個方面：工程建設過程中的決算；工程竣工結算。其功能定位包括：工程審計、績效管理、成本控制等三項功能。在具體的應用中須圍繞：建設項目決策階段、建設項目設計階段、建設項目竣工決算階段來展開。
參考文獻
[1]高艷軍.淺析公共建筑造價控制管理的必要性[J].現代經濟信息,2011,（2）.
[2]楊杰毅.談談設計前期工作對建筑造價控制的影響[J].有色金屬設計,2008,（3）.
[3]徐帆.淺談建筑工程造價的控制手段——審價制度[J].商業文化（學術版）,2009,（7）.
