融合对分课堂教学法与协作“教与学”的创新模式探索

针对算法设计与分析课程中传统讲授式教学带来的问题,分析学生在学习过程中缺乏主动性和创新性的原因,以提升教学效果、发挥学生的主体作用、培养其解决复杂问题能力和创新能力为目标,提出专业培养与思政育人并举的对分课堂教学法与协作“教与学”方式融合的教学新模式,并通过实践说明该模式的教学效果。

基于遗传算法的关系数据库查询优化策略

介绍基本遗传算法的基本思想和工作流程,针对数据库管理系统中最难处理和优化的连接操作,讨论在左深连接树的计划集合和浓密连接树的计划集合上的基于遗传算法的查询优化策略。同时通过具体的查询实例说明其左深度连接树和浓密连接树的染色体编码方法,并基于该编码方式进一步确定了基本遗传算法中其它的七个变元。

空间数据库系统的数据模型、存储方法及实现策略

空间数据库在天文、地理信息、城市规划等领域有广泛的应用,是目前研究的热点之一。详细介绍了空间数据库的数据模型、空间数据的操作、空间数据库上的查询及查询语言、空间数据库的存储方法,最后给出实现空间数据库的几个策略。

基于改进的向量空间模型的自动文本分类

研究了基于向量空间模型的自动文本分类方法,提出了位置权和词的位置区分度的概念,给出了一个带有位置信息的词权重计算方法,并给出了基于该方法的文本分类算法.实验结果表明,该方法是有效的,提高了文本分类的精度.

地方院校软件工程专业实践教学体系探索与构建

本文基于地方高校软件工程专业实践教学存在的问题和面临的挑战,在深入研究分析国内软件工程专业教育发展现状,黑龙江大学软件学院就业情况及实践教学的软硬件资源的基础上,明确办学定位和培养目标。以软件工程专业规范为指南,以软件行业需求和提高实践能力为导向,提升就业竞争力为目标,提出了适合培养工程应用型软件人才的实践教学体系的思路和方案。

概率统计模拟实验平台的设计及在教学中的应用

概率统计课程是研究随机现象统计规律性及分析数据的一门数学分支学科,是理工类专业重要的学科基础课程。该课程虽然解题技巧并不多,但内容抽象、枯燥,学生不容易理解。利用随机现象适于做统计模拟的特点,作者根据教学的需要,结合概率统计中的经典问题,利用随机算法设计了一套概率统计模拟实验平台。该平台能够为概率统计课程中一些经典问题提供较好的动画演示效果。在教学中应用该模拟平台作为辅助,使学生不但加深了对知识的理解,而且大大提高了学习概率统计课程的兴趣。

面向计算机专业的数学基础课程教学实践与课程建设探讨

本文以概率统计和离散数学两门课程为例探讨计算机专业大学生数学能力的培养问题,通过介绍数学发展史激发学生的学习兴趣,引导学生明确学习重点;优化教学大纲,进行分层次教学;将理论与实际相联系,培养学生的应用和创新能力;根据学生的专业特长,鼓励学生参与同课程相关的研发活动,进一步提高学生的学习兴趣,加强师生之间和学生之间的互动。

软件工程专业本科毕业设计质量提升策略探究

本科毕业设计是本科实践教学的重要环节,毕业设计的质量是衡量专业办学水平的重要评价指标。文章以黑龙江大学软件工程专业为例,阐述其提升本科毕业设计质量的策略。

基于循环BloomFilter的数据流上不同值个数的估计

数据流是连续的、实时的无限数据,到目前为止还没有有效的方法将数据流存储起来,因此数据流上的不同值个数的估计也就成为一个比较难的研究课题。文章在对BloomFilter进行分析研究的基础上,结合数据流无限、连续、实时等特点,提出了基于循环BloomFilter的数据流上不同值个数的估计策略。将数据流中的不同值存储在循环BloomFilter中,有效地解决了在内存有限情况下,无法保存数据流中的不同值的问题。通过与现有的估计算法的比较,实验结果表明基于循环BloomFilter的估计策略是可行和有效的。

Sybase环境下开发分布式事务处理程序

介绍了分布式事务的基本原理及其执行过程,结合Sybase数据库分布式开发环境,阐述了开发Sybase的分布式事务处理程序所应进行的各种环境配置,最后给出了一个用DB-L ibrary编写的分布式事务处理程序.

数据流管理系统TelegraphCQ的研究

数据流是近年来出现的一种新的数据形式,这类数据的特点是以连续的、实时的、无限的形式出现.针对传统的数据库的查询处理技术已经不适合数据流的问题,研究了数据流管理系统TelegraphCQ的开放源码,在此基础上详细阐述了TelegraphCQ的系统结构、TelegraphCQ的数据管理方案和查询处理技术,同时给出了建立TelegraphCQ的详细步骤及其使用方法.

基于ASWT的流数据弹性跳变检测算法

在迁移小波树的基础上提出了带放大器的迁移小波树(ASWT)结构,并基于该结构设计出了一个能够在线性时间内检测出弹性窗口中感兴趣的聚集的流数据弹性跳变检测算法.该算法不仅能够监测单调聚集(COUNT、SUM、MAX和MIN)跳变,也适应非单调聚集(AVG)跳变检测.输入数据流不受限制,可以是正数流、负数流或者正负数交错流.实验使用上海证券交易所的实时贸易数据监测交易高峰期和股票价格的涨停期,结果表明本算法是较高效的.

传感器网络基于小波分段常值压缩的数据收集研究

在结构健康监测系统中,通常需要大量地布置传感器节点。为了实时地获取监测数据,需要频繁地收集数据,消耗能量较多,特别是收集的数据是多维数据时。针对在频繁的数据收集应用中降低通信量以延长网络寿命的问题;本文提出了基于小波分段常值压缩的数据收集算法,该算法采用压缩采样理论,在数据传输时对数据进行小波分段常值压缩,从而降低了数据传输量。当网络规模较大的时候,可以极大地节省通信开销,延长网络寿命。传统的数据收集方法总通信量是O(N2),压缩采样方法为O(MN),而本文算法总通信量为O(mN),这里m<<M。对小波分段常值压缩算法进行了TOSSIM模拟实验以及真实实验,2个模拟实验通信量减少分别为61%和47%,2组真实实验平均通信量减少分别为21%和42%。

MPMC:一种无线传感器网络多信道多功率数据聚集调度算法

数据聚集是传感器网络中比较耗时的操作,特别是在高密度网络中.因此,最小化数据聚集延迟问题成为人们研究的热点,该问题已经被证明是NP难问题.提出一个基于分簇思想的多信道多功率数据聚集调度算法MPMC,来降低聚集延迟.该算法采用一种簇内小功率、簇间大功率的分簇思想,结合信道分配来降低数据聚集延迟,簇间可无冲突同步进行数据聚集.并分析了不同网络拓扑下使用的信道个数趋于常数.在模拟实验中,算法MPMC与目前最好的单信道以及多信道数据聚集调度算法进行了比较,验证了MPMC的平均延迟最小.

降低传感器网络数据聚集延迟的近似调度算法

目前在无线传感器网络中,数据聚集大多数采用的都是单信道,导致有很高的延迟。尤其是在高密度无线传感器网络中,数据聚集是一个比较耗时的操作。人们已经证明了最小化数据聚集延迟问题是NP难问题。给出一个新的降低数据聚集延迟的近似算法,其近似比为16,并在理论上证明了该算法的延迟上界是15R+Δ-15,Δ是网络的最大度,R是网络半径。相对于现有的算法,该算法理论上具有更小的近似比和时间延迟。模拟结果也说明该算法平均延迟比现有的算法小。

传感器数据流上模糊预测系统的研究

为了利用基站(Sink)上现有的数据来及时地响应用户的查询,采用数据流上的金字塔时间模型来维护传感器数据流上不同时刻的聚集值,并利用这些聚集值生成模糊预测系统.通过该预测系统做出的预测来近似及时地响应用户的查询.在Sink上采用预测的方法,传感器新感知的数据可以不必立即向Sink传输,可以节省传感器网络结点的能量.

无线传感器网络中缺失数据的估计

针对无线传感器网络中经常存在的感知数据缺失的问题,提出一个分布式算法SC,其中包括2种缺失数据估计的方法,即SRS和CNI。算法SC根据当前节点的子节点数对SRS和CNI进行动态选择。理论分析表明,SC不增加额外的通信能量消耗。模拟实验结果表明,SC对缺失数据的估计具有较好的准确性,对于不同的拓扑结构有较好的适应性。

网格计算环境下基于任务池的任务调度方法

任务调度是网格计算的关键技术之一。对网格计算任务调度特点及典型的任务调度策略进行了分析,提出了一种基于任务池模型的分级调度方法,该方法通过在网格系统中建立相对稳定的计算资源视图,在不同规模、级别上实现局部自治系统之间的协同工作,通过建立并维护任务池和资源池,对网格环境中动态变化的资源和任务进行管理,来保持系统资源之间的共享关系和高度可控性。实验结果表明,本调度方法具有较高的执行效率和加速比。

基于组移动模型的移动传感网数据聚集算法的研究

目前,无线传感器节点可以绑定到各种移动物体和设备中(如动物、车辆、移动电话等).移动载体按某种规律在区域内移动,可构成组移动网络.由于传感器节点计算能力、存储空间、通信带宽都很有限,导致移动无线传感器网络中的数据聚集十分具有挑战性.提出了组移动模型下的数据聚集算法DAG-C,它是基于传染方法将聚集结果转发出去.采用ns-2进行模拟实验,DAG-C与组移动模型下的数据收集算法(集中式数据聚集算法)Sidewinder进行了比较.实验结果表明:该算法通信量最少、聚集延迟小、聚集结果准确性高.

基于聚类的协作学习分组方法

协作学习能够促进在线学习平台中学习者之间的沟通交流。同一小组内学习者共同协作完成既定任务过程中,不仅可以巩固已有知识,也能通过互相学习,获得新知识和新技能,在提高个人表现的同时,增加学习兴趣,从而有效地降低辍学率。近年来已提出了很多协作学习分组方法。然而,现有分组方法没有兼顾主题意愿、学习时间规律和小组规模这三个对小组沟通效率有重要影响的因素。该文依据学习者的主题意愿预分组,然后依据学习时间规律迭代地调用聚类算法将学习者划分到满足上下限的小组中,结果表明,上述方法形成的协作学习小组在满意度和时间重合度上均优于IFST和随机分组方法。最后,以XuetangX平台上的1754名学习者为实验对象进行协作学习分组,实验结果表明,形成的小组有充分的协作学习时间,指派的主题能够很好地满足学习者的意愿,且各个小组之间成员数均衡。