2026年5月22日晚19:00，williamhill英国第七十四期研究生学术论坛在阳光校区崇真南楼A4030成功举办。本次论坛由23级研究生万佳颖、余清扬和24级研究生杜习虎、汪华震主讲，williamhill英国研究生会学术部主办，学院王凯老师出席了该论坛。
万佳颖同学分享的主题为“Switch-SLAM:Switching-Based LiDAR-Inertial-Visual SLAM for Degenerate Environments”。Switch-SLAM是一种退化环境下基于切换的激光雷达惯性视觉SLAM方法，旨在解决LiDAR和视觉SLAM在退化环境中面临的挑战。该研究通过采用一种切换结构，在检测到激光雷达里程计退化时从激光雷达切换到视觉里程计，从而实现了高鲁棒性和准确性。为了有效地检测退化，Switch-SLAM采用了一种非启发式的退化检测方法，该方法无需启发式调整，并且在各种环境中都表现出良好的通用性。该研究在包含激光雷达和视觉里程计退化场景的多个数据集上对Switch-SLAM进行了评估。实验结果表明，该方法在激光雷达或视觉SLAM退化的多种挑战环境中具有较高的定位精度和较强的鲁棒性。
余清扬同学分享的主题为“SLA-Adaptive Threshold Adjustment for a Kubernetes Horizontal Pod Autoscaler”。针对Kubernetes水平Pod自动扩缩器（HPA）长期依赖静态阈值且需手动配置，进而易导致资源调配不当或服务级别目标（SLO）违规的问题，该研究提出了一种结合探索性数据分析技术与移动平均平滑的动态阈值调整方法。该方法旨在确保系统平稳运行，避免因响应时间超时而违反SLO定义。通过构建原型系统，研究人员将该方法与传统HPA进行了对比评估。实验结果表明，所提方法能够以1%至2%的准确率将阈值动态调整至所需服务水平，且在不同工作负载下，资源过度配置率仅为4%至10%，在保障服务质量的同时显著提升了计算资源的利用效率。
杜习虎同学分享的主题为“Research on an Intelligent Evaluation Model for the Employment Ability of IT College Students Based on Deep Learning”。针对当前大学生就业能力评价存在学科泛化、指标主观性强等问题，本研究提出一种基于深度学习的IT类大学生就业能力智能评价模型。首先，基于134万余条IT岗位大数据，构建包含技术能力、软技能、经验教育、个人品质的评价体系；其次，设计深度学习模型，以省内高校数据进行训练，模型验证准确率达到77.20%；再次，在计算机学院选取200名学生开展实证研究：大三末期首次测评，并随机抽取100人作为干预组，实施基于评价报告的个性化就业指导，毕业前进行复测。结果显示，干预组平均评分提升8.0分、就业率达85%，分别高于对照组5.0分和13个百分点。
汪华震同学分享的主题为“Sign Language Recognition with Integrated:Dynamic Interactive Attention”。手语是听障群体沟通交流、融入社会的重要媒介。当前手语识别技术仍存在突出难题，不同使用者手语动作相似度高、个体差异明显，且难以捕捉手语语句的层次组合特征，易产生局部与全局语义歧义，严重影响识别精度。针对以上痛点，本研究提出数据合成方法与融合动态交互注意力模型，创新搭建手语识别系统，并结合自适应阈值算法设计连续手语信号分割方法，精准提取有效手语信号。实验结果显示，该系统单词识别准确率达98.9%，句子识别准确率达98.4%，有效攻克传统手语识别的技术短板，整体识别性能达到较高水准。
