基于水流蓄能的智能水龙头设计

水流蓄能智能水龙头采用在水管中加装微型水力发电机的方式,利用水龙头放水时的水流推动涡轮高速旋转,从而带动导体切割磁场产生电能,并将获得的电能通过锂电池储存起来,为智能水龙头工作提供电源;智能出水设计,采用自感应的方式判断出水和止水,节约用水的同时避免洗手时开关水龙头导致二次污染;设置了手动开启按钮,确保水龙头失电情况下还能照常出水,能源得以循环利用,解决了感应水龙头的供电问题。

高职院校中精品课程建设问题研究

阐述了高职精品课程建设的背景、建设的主要内容。并着重剖析了高职精品课程建设的主要误区。

基于遗传算法的GIS辅助最优路径查找方法

当前的GIS最优路径查找搜索策略是启发式算法。由于缺乏可行解空间的全局采样,这些算法多数情况下容易陷入局部最优。作者提出一个基于遗传算法的最优路径方法且成功地应用于最优路径的查找。

基于R的监督式AdaBoost异常值检测应用

在不平衡数据的分类学习中,研究如何提高少数类的分类性能具有重大意义。首先使用Hold Out方法,采用分层抽样策略,随机采样不同种类的观测值;接着使用改进的AdaBoost.M1算法,忽略类不平衡的问题,来获取最高性能的异常值排序。实验结果表明,AdaBoost.M1方法对于高的查全率,其对应的查准率也是最高的。

高职院校动漫设计与制作专业建设问题与思考

动漫设计与制作专业从前几年的火爆,到2013年就位于2012届就业率较低的主要高职高专专业(前10位),毕业半年后就业率仅为86.3%,此中原因何在?本文通过对高职院校动漫设计与制作专业人才培养现状的分析,有针对性的对存在的问题进行剖析,并针对问题给予了一系列思考和建议,以期望高职院校能够培养出真正社会需要的动漫人才。

基于R的过采样方法在非平衡数据中的应用

文章首先应用朴素贝叶斯(Naive Bayes)模型获得给定数据集的异常排序,但由于类不平衡问题导致的朴素贝叶斯性能较差。接着使用过采样算法SMOTE,对少数类样本人为地增加其数目,使少数类样本数目增加,产生一个平衡的数据集,以达到数据集趋于平衡的目的。

基于聚类ORh方法的异常值检测应用研究

聚类方法尝试着通过相似于其它事例的事例形成聚类来寻找数据集观察值的正常分组.聚类和异常值检测之间有很强的关联性,特别是基于观察值之间距离的概念.基于聚类ORh方法应用于异常值检测中,其结果给出一组异常值概率排序.这个排序可以让公司以优化的方法应用于检查活动,并获得了很好的性能.