八一枪响：中共创建人民军队的开端

四一二反革命政变和七一五反革命政变之后，第一次国共合作完全破裂，轰轰烈烈的大革命遭到极大失败。正是这种情况下，中国共产党领导所掌握和影响的国民革命军，于1927年8月1日在南昌举行武装起义，打响了武装反抗国民党反动派的第一枪，标志着中国共产党独立地领导革命战争、创建人民军队和武装夺取政权的开始。

花鼓灯抗战灯歌与国族表演场域的建构

花鼓灯抗战灯歌顺应抗日民族解放战争的时代需要,打破了日常表演以家园空间想象为主的惯常出场方式,致力于国族表演场域的建构。为此,国族意识包括疆域感、方位感、空间感等民族国家空间意识的强化成其为主要的价值取向。从场域学说角度审视抗战灯歌的国族表演场域的建构,既是对当代社会空间理论的积极呼应,也是深刻释读抗日战争时期花鼓灯灯歌艺术场域特征和文化表征的重要向度。

自觉坚持科学发展观的指导地位 努力推动经济社会科学发展

科学发展观是被实践证明了的、符合中国国情的科学理论体系,其核心立场是以人为本,基本要求是协调全面可持续发展,根本方法是统筹兼顾,精神实质是解放思想、实事求是、与时俱进、求真务实。确立科学发展观的指导地位,是党的十八大最重要的一大历史贡献。学习贯彻十八大精神,就是要更加自觉地坚持以科学发展观为指导,加快推进中国特色社会主义事业进程。

浅谈大学英语课堂互动教学

互动教学是提高学生英语交际表达能力的好方法,是提高大学英语课堂教学质量的有效手段。本文探讨了大学英语课堂互动教学的意义、理论依据、障碍并提出了相应的提高策略。

基于支持向量机的虹膜识别方法

首先利用虹膜处理系统对采集到的虹膜图像预处理,得到条形图像;然后利用主元分析方法(即PCA方法)进行特征提取,以达到降维的目的,得到的一个训练样本对应一个40维的向量;最后利用支持向量机使用序列最小优化算法进行虹膜识别,平均识别率达到了94.3%。结果表明,文中的方法取得了较好的效果,降低了训练时间,提高了训练效率。

浅谈提高大学英语口语教学的对策

在当今全球经济一体化的发展趋势下，国际交流日益加深，这就迫切需要一大批英语好，尤其是英语口语好的人才。但是学生口语水平的提高一直是大学英语教学中的一个难点，口语教学成为大学英语教学的重中之重。本文就如何提高大学生的英语口语水平，提出了相关对策，从而来提高学生的口语表达交际能力。

Android环境下App2SD功能的实现

App2SD(ApplicationtoSDcard)可以将系统中内部存储的部分文件迁移到外部存储(如SD卡)中,以此来实现内部存储的"扩容"也让外部存储空间得到充分利用,本文通过对基本原理和环境准备的详细说明,将迁移功能在操作系统的层面完成。主要以三星i559手机为例,描述了实现App2SD的具体实现过程,让手机获得真正想要的App2SD功能。

加强院校考务管理工作促进学风建设

院校考务管理工作具有工作量大、涉及面广和政策性强等特点,该项工作是院校教学管理的重要环节,加强院校考务管理工作是提高院校管理质量,规范师资队伍管理,促进学风建设的前提。本文将浅谈加强院校考务管理工作,促进学风建设的措施。

现代信息技术条件下的高职院校考务管理工作

学校是教育教学的主要机构,高职院校作为高等教学的补充,是培养技术型人才的主要方式,在整个教学阶段必须重视考务管理工作。众所周知,高职院校涉及到的管理工作非常多样且繁杂,考务管理作为其中的重中之重,是充分了解学生学习状况,对教师教学进行测评的有效手段,通过考试也能够调动学生的学习热情,提高他们对知识的理解能力。现如今,科学技术迅猛发展,现代智能化信息技术逐步推广,将其与高职院校考务工作结合起来就成为了大势所趋。利用信息技术,可以实现信息的集中管理,严格日常考务管理工作,完善校内考试和证书考试的环节,真正推进学校走向信息化道路。

用波前平面提高全息体视图成像分辨率

针对全息体视图成像分辨率较低的问题,提出了用波前平面提高成像分辨率的方法。定量分析了空间采样、角采样和衍射效应对全息体视图成像极限分辨率的影响;以人眼在距离全息图600 mm处观察的极限分辨能力为标准,给出了全息体视图的成像极限分辨率与三维场景深度及全息单元(Hogel)尺寸之间的关系;得出了在波长取632.8 nm时,全息体视图能够高分辨率再现的三维场景的极限深度为12.80 mm,最佳Hogel尺寸为90μm,并且依据极限深度设置了波前平面。选择2个三维场景进行了验证实验:数字模拟再现了结构较为复杂的坦克模型,可以准确表现出模型的各个深度上的精细结构;用基于空间光调制器的全息三维显示系统对茶壶模型进行了光学再现,再现图像很好地提供了深度和光泽等三维感知因素。

深度和波长补偿算法生成彩色计算全息图

针对新查表法(N-LUT)在计算彩色三维场景全息图时,查找表占用的存储空间大且计算速度较慢的问题,提出了深度和波长补偿N-LUT算法(DWC-N-LUT)快速生成彩色三维场景的全息图。将组成三维场景的点云分割为具有特定深度的一系列二维图像,并由提前存储的深度补偿因子计算某一深度二维图像红色(R)通道的基元条纹图(PFP),通过平移此PFP获取物光点R通道在全息面上的复振幅分布。利用波长补偿因子直接得到物光点绿色(G)通道和蓝色(B)通道的复振幅分布。用飞机模型和汽车模型进行的数字模拟实验表明:DWC-N-LUT法能够准确表现彩色三维场景的颜色和深度信息;物光点的复振幅引入随机相位可以有效降低再现像的相干噪声;DWC-N-LUT法与N-LUT法相比,查找表的存储空间减小了10倍以上,计算速度提高了约22%。