在线学习模式下大学生学习绩效评价模型研究

新冠疫情迫使高等教育的线下教学转向在线学习,教师和学生都不得不适应在线学习平台。因此,对学生学习绩效进行评价对于保证学习质量是至关重要的。本文从学习行为分析、问卷调查和学习状态分析等3个层次对学习绩效进行全面分析。同时使用多分类支持向量机和跨领域迁移学习方法等多种机器学习方法实现对互联网大数据的识别和处理。近2年的教学实践表明,通过对学生在线学习模式下学习绩效的评价可以提高学生对课程的满意度,尽可能减少疫情对学生课程学习的影响。

多元化提高在线学习主动性的方法研究

在线学习作为传统课堂学习的有益补充,能够突破时间和空间的限制,具有开放性和协作性的特点。但是,在线学习中师生之间缺乏足够的关注和交互,同学之间缺乏陪伴和交流,会造成学生参与度不高,学习兴趣退化的现象。该研究从提高学生行为投入、认知投入和情感投入多个方面入手,通过改善教学方法、完善在线学习平台、设计调查问卷、使用基于机器学习的人脸情感识别等多种手段来提高学习主动性。

迁移组概率学习机

基于组概率的学习方法因其能够很好地保护数据的隐私性而成为近年来机器学习领域的研究热点.已有的组概率学习方法虽然取得了一定的效果,但是在模型训练时仅考虑单一的场景信息,如果在当前领域所采集的数据信息有限,则在当前领域下建立的分类模型泛化能力较差.针对此问题,提出了一种基于组概率和结构风险最小化模型的迁移组概率学习机(TGPLM).该方法通过构造领域相似距离项来引入历史领域的先验知识,提出了针对类标签保护数据的增强型分类器优化目标学习准则,以期在有效利用当前领域数据类标签组概率信息的同时借鉴历史领域相关知识来指导当前领域下的学习任务.基于模拟、UCI及PIE人脸等数据集上的实验结果表明,本文所提之方法是有效的.

基于一种新模型的交互式体绘制算法的研究

交互式体绘制算法基于一个新的可视化模型。目的是研究一种快速预览技术,在可视化内部结构时不需要专门的耗时巨大的转换函数。用两个参数来控制一个非常简单的绘制模型。交互旋转技术不需要任何特殊的硬件支持,所以可以广泛应用在低配置的电脑上。

基于时间序列分析的DNS服务器的DDoS攻击检测

分析了针对DNS服务器DDoS攻击的特征,提出了一种基于攻击流特征(AFC)时间序列的DDoS攻击检测方法。通过自适应自回归模型的参数拟合,将AFC时间序列变换为多维空间内的自适应自回归AAR模型参数向量序列,然后使用支持向量机进行分类。实验结果表明,该方法能有效检测针对DNS服务器的DDoS攻击。

基于边界检测的三维散乱点快速曲面重建算法

针对Power Crust算法提出一种带边界检测的不均匀降采样算法。曲面重建前先通过该算法减少参与运算的采样点,表面特征丰富的区域削减的采样点数远小于特征不丰富的区域,再进行曲面重建。通过实例表明该算法大大加快了散乱点数据的重建速度,而且很好地保持了模型表面的特征,能够较为真实地重建出曲面模型。

计算机专业“3+1”模式下创新创业人才的培养

创新创业型人才已成为推动行业发展和社会进步的不竭动力,同时也为高等院校的人才培养提出挑战。"3+1"培养模式通过校企合作,注重学生创新创业能力的培养,在实践中探索出的一条切实可行的人才培养途径。

计算机专业“3+1”模式下毕业设计指导模式的研究与实践

"3+1"教学模式是对人才培养模式的新尝试,它结合学校和企业优势及需求,能有效提高了学生的实践能力。其中,毕业设计环节是"3+1"教学模式中最重要的部分,文章以常州大学怀德学院计算机专业为例,展开讨论和探讨,形成一套具有特色的毕业设计指导方法。

论学科竞赛与计算机学科卓越工程师培养

"卓越工程师教育培养计划"是高校工程教育改革的一项重要举措,其目的在于培养更具有解决实际问题能力的专业人才,学科竞赛在其中发挥着重要作用。文章提出将学科竞赛引入计算机学科卓越工程师培养的教学体系中,并探讨了一系列的方法和措施,以赛促学,激发学生的自主学习积极性,拓宽学生的知识面,强化创新能力的培养。

一种快速点模型去噪方法

消除噪声是构造完美三维模型过程中必不可少的一步。胡国飞等提出了基于三维mean-shift过程的各向异性点模型去噪算法但该算法效率较低,为此提出用准柯西函数取代该算法所采用的高斯函数,提高了算法效率。实验结果表明,此方法能在有效剔除点模型表面噪声的同时较好地保持表面的尖锐特征。

特征保持的点模型简化技术研究

提出一种以物体表面上不附加任何几何和拓扑信息的散乱点集为处理对象,特征保持的点云数据简化的方法。通过直接在散乱点上计算曲率的方法,将数据点分为特征点和非特征点两类,分别应用不同参数的均值漂移聚类算法进行简化。实验结果表明算法既能有效简化点云数据,而且很好地保留了原网格模型的特征信息。

基于概率包标记算法的安全技术研究

防御分布式拒绝服务攻击(DDoS)是当前网络安全中最难解决的问题之一,在提出的多种对策中,通过概率包标记算法来进行IP跟踪受到广泛重视。这里分析了当攻击者伪造数据包的标记信息时,概率包标记法及其变种算法的安全性问题,并提出了一些改进措施,通过实验证明提高了算法的安全性。

基于“大工程观”的软件工程课程教学改革探讨

"大工程观"教育是高等计算机教育的发展趋势,它要求工程教育提供综合的知识背景,强调工程的实践性和培养学生的创造性。在软件工程的教学中,必须注意教学内容的先进性、教学手段的有效性和教学方法的实践性,构建与大工程观相适应的课程体系。

基于贝叶斯和支持向量机的钓鱼网站检测方法

随着电子商务和在线交易的不断发展,钓鱼网站已成为目前最难处理的网络安全难题之一。提出了一种基于贝叶斯和不平衡支持向量机的钓鱼网站检测方法,首先提取待检测网站的URL特征,采用改进贝叶斯方法进行分类检测,如果不能明确分类,则提取该网站的页面特征,并采用不平衡支持向量机方法进行分类检测。实验结果表明,与现有方法相比,方法所需的检测时间少且能达到较高的检测准确度。

基于时间序列分析的应用层DDoS攻击检测

根据正常用户和攻击者在访问行为上的差异,提出一种基于IP请求熵(SRE)时间序列分析的应用层分布式拒绝服务(DDoS)攻击检测方法。该方法通过拟合SRE时间序列的自适应自回归(AAR)模型,获得描述当前用户访问行为特征的多维参数向量,并使用支持向量机(SVM)对参数向量进行分类来识别攻击。仿真实验表明,该方法能够准确区分正常流量和DDoS攻击流量,适用于大流量背景下攻击流量没有引起整个网络流量显著变化的DDoS攻击的检测。

面向大规模噪声数据的软性核凸包支持向量机

现有的面向大规模数据分类的支持向量机(support vector machine,SVM)对噪声样本敏感,针对这一问题,通过定义软性核凸包和引入pinball损失函数,提出了一种新的软性核凸包支持向量机(soft kernel convex hull support vector machine for large scale noisy datasets,SCH-SVM).SCH-SVM首先定义了软性核凸包的概念,然后选择出能代表样本在核空间几何轮廓的软性核凸包向量,再将其对应的原始空间样本作为训练样本并基于pinball损失函数来寻找两类软性核凸包之间的最大分位数距离.相关理论和实验结果亦证明了所提分类器在训练时间,抗噪能力和支持向量数上的有效性.

一种基于数据挖掘的DDoS攻击入侵检测系统

防御分布式拒绝服务(DDoS)攻击是当前网络安全中最难解决的问题之一。针对该问题文章设计了基于数据挖掘技术的入侵检测系统,使用聚类k-means方法结合Apriori关联规则,较好地解决了数值属性的分类问题,从数据中提取流量特征产生检测模型。实验表明,该系统可以有效检测DDoS攻击。

基于环境映照的增强现实技术

设计了一个基于环境映照的增强现实系统的模型,同时介绍了一种环境映照快速预滤波技术。此模型的实现过程表明,该文的方法实现相对简单,绘制的画面真实感强,并且有一定的交互功能。

基于图像的光照模型的研究与实现

为了把计算机生成的虚拟物体更好地融入真实场景的实拍照片中,实现光照一致性的效果,提出了一个基于图像的光照模型,它使用光测图作为光源从而实现对场景的照明。在研究基于图像的局部光照模型时,又提出了双向折射率分布函数这一概念,从而简化了局部光照模型的设计。在实现阶段,采用立方体环境映照来表示场景,采用光测图记录环境映照中光辐射的分布信息,从而提高了绘制效率。实验表明,本模型较成功地实现了光照一致性,在增强现实、图像合成等方面具有很大的应用价值。

一种高效的混合曲面光顺算法

三维扫描技术的发展获得曲面采样数据不再困难,但得到的三角形网格常含有大量噪声。应用顶点分类的方法,提出了一种加权均值滤波与拉普拉斯光顺相结合的混合算法。实验结果表明,该算法既能有效去除噪声,而且很好地保留了原网格模型的特征信息。