基于历史大数据决策树分类的MOOC教学评估方法研究

传统的教学评价是根据受教育者考试成绩得到的终结性考评,这种评价方式容易由于人为因素而产生评价结果的偏差。随着MOOC和大数据应用的兴起,对学生在网络教学环境下的表现进行自动化教学评价已成为可能。文章阐述根据当前移动互联网的大数据模式,使用数据挖掘算法实现基于学生学习行为的评价算法。

多目标优化的移动中继选择算法

移动中继节点的选择算法是多跳蜂窝网络提升系统吞吐量的关键技术,提出基于多目标优化策略的最优中继选择算法.该算法将带宽和信干噪比两个因素引入中继选择算法中,提升用户吞吐量的同时降低中继节点切换次数.分析动态场景中影响系统吞吐量与中继切换概率的因素,并充分考虑多跳蜂窝网络的移动特性与用户呼叫到达状态,优化参数选择更符合实际工作场景.仿真结果表明该算法与传统算法相比有效提升了用户吞吐量,同时降低了中继切换次数,增强了用户体验.

基于预测的5G网络切片算法

5G网络实时应用场景对网络切片的建立提出了严格的要求,需要使用预测算法提前隔离资源,降低网络切片的建立时间。提出了基于预测的5G网络切片算法,以四阶矩为代价函数,在算法复杂度不高的前提下提供必要的预测精度,根据预测结果在5G网络中提前隔离虚拟节点资源和虚拟链路资源,当网络切片请求到达时,直接拉起容器,完成网络切片的动态创建。仿真结果表明,所提算法的预测精度能够达到90%,在复用原始网络切片资源的条件下,新请求网络切片的创建时间减少50%。

大长径比纳米复合材料的有限元计算与策略

利用随机吸附算法(RSA)生成了大长径比纳米复合材料代表性体积单元(RVE),对大长径比复合材料一个典型的体系,即纳米线-形状记忆合金复合材料的力学行为进行有限元计算。发现纳米线的长径比大于20时计算结果趋于一致。对比实验结果说明利用所提方法建立的代表体积单元不仅具备真实材料细观结构,即随机、大长径比的特点,又在准确描述宏观力学行为的同时大幅度降低了建模规模;随后,从计算精度、速度以及成本角度出发,确定了针对该大长径比纳米复合材料体系合适的网格密度及并行核数,给出了有限元模拟大长径比纳米复合材料力学行为的最优化策略,对大长径比增强的相变基体复合材料设计与高性能并行计算优化均有一定的参考意义。

比例最小均方/四阶算法及其在系统辨识中的应用

针对非高斯噪声环境下稀疏系统参数辨识问题,提出一种基于比例更新机制的最小均方/四阶(LMS/F)自适应滤波算法(PLMS/F)。该方法以混合均方/四阶准则(MS/FE)为代价函数,其包含了误差的高阶项,具有解决非高斯噪声问题的优势。引入比例更新机制,从而可根据算法当前时刻权重变化特征来调整各权重参数的步长,因此具有良好的跟踪性能。使用梯度下降法设计了阈值参数自适应更新机制以进一步改进算法稳态性能。此外,分析了所提算法的平均和均方收敛性。应用具有稀疏特征的FIR系统参数模型对所提算法实现了在非高斯噪声环境中的参数辨识。仿真实验结果表明,该算法可以有效辨识模型参数,且具有较低的稳态误差和强的鲁棒性。

TRUP-Vivaldi:具有均衡精确度的时延预测算法

由于Overlay网络中反三角现象和不等距映射的影响导致网络时延预测存在困难.传统Vivaldi算法坐标收敛速度慢且预测精度不高不稳定,提出一种具有均衡精确度TRUP-Vivaldi时延预测算法.TRUP-Vivaldi分析时延非对称和网络反三角现象的原因,针对Vivald算法建立反三角检测和抑制机制,定义检测系数修正不等距误差反三角造成的影响;从节点距离计算出发设置多个参考节点,动态调整更新参数,修正非对称带来的长短距预测精度不均,均衡长短距离链路预测准确度.仿真证明,该算法比传统Vivaldi算法的预测精度更高,且预测误差稳定.

基于双连接和回传带宽配置的系统吞吐量效用和最大化算法

针对双连接可行的异构无线网络中关于用户关联和回传带宽配置的联合优化问题,构建了一个新的网络吞吐量效用和最大化框架。将该联合优化问题建模为一个非凸的混合整数分式优化问题。为了便于求解,首先将原建模问题进行去分式化转换,然后针对转换后依旧非凸的混合整数非线性优化问题,将其分解为两个优化子问题分别求解。通过固定用户关联变量,得到了最优的回传带宽配置机制;通过固定回传带宽配置因子变量,提出一个有效的迭代算法求解双连接可行的用户关联子问题。相比固定的回传带宽配置机制,所提算法可以获得最优的回传单位带宽配置因子值,同时拥有最优的系统吞吐量和系统吞吐量效用和性能。

关于高校网络舆情应对工作的几点思考

随着大数据时代的到来,互联网应用日新月异,以微博、抖音为代表的新媒体平台也在迅速发展,大大拓宽了高校师生获取网络信息的渠道,网络信息的高更新率和传播率也促使大学生所能接触到的信息越来越丰富、便捷和复杂。而加强对高校网络舆情的管理不仅关系到高校正常教学活动能否有序开展,更是坚持党对高校意识形态工作的领导、巩固马克思主义指导地位和传播高校主流思想的客观需要。基于此,分析和思考高校网络舆情工作、把握其内在特征与规律、改变以往的管理工作方式等,对高校网络舆情应对工作的研究具有重要的理论和现实意义。

基于变中心互相关熵的比例自适应滤波算法研究

针对传统自适应滤波算法对于非零均值非高斯噪声干扰环境下稀疏系统参数估计存在稳态精度低的问题,以变中心互相关熵为代价函数,引入比例更新机制,应用随机梯度法设计一种新的稀疏自适应滤波算法。变中心互相关熵的中心可位于任何位置,其可很好地匹配非零均值的误差分布,而比例更新机制为每个权值参数赋予可变的步长参数,因此可增强算法的跟踪能力。进一步设计在线学习方法来估计核宽度和中心位置,以提高算法性能。另外根据能量守恒关系研究了算法的收敛性。仿真实验结果表明,该算法相对于传统自适应滤波算法对于非零均值非高斯噪声环境下的稀疏参数估计具有明显的优越性和鲁棒性。

微信服务平台承载的高校网络故障服务系统

随着移动互联网的高速发展,移动端业务日新月异,高等院校作为移动互联网使用的主要阵地,网络诊断、故障报修、线下维修等方面的业务需求在高校日益增长,该校提出微信服务平台承载下的高校网络故障服务系统,仰仗微信公众服务平台丰富的高级接口、较高的用户黏性和无须下载等特点,结合该校实际,提出了该系统的开发思路以及技术实现方法。

基于CIM的偏差补偿稀疏NLMAD算法研究

针对输入信号受噪声干扰和输出观测噪声具有脉冲特征的稀疏系统辨识问题,提出一种基于CIM的偏差补偿(normalized least mean absolute deviation,NLMAD)算法,利用NLMAD算法可有效抵御脉冲输出观测噪声。首先应用无偏准则设计偏差补偿NLMAD算法来有效解决由于输入噪声导致的估计偏差问题;考虑到稀疏系统辨识问题,将CIM作为稀疏约束惩罚项引入到偏差补偿NLMAD算法提出了新的稀疏自适应滤波算法——CIMBCNLMAD算法。将所提算法应用于输入和输出均含有噪声的稀疏系统辨识和回声干扰抵消场景中,实验表明CIMBCNLMAD算法的稳态性能优于其他自适应滤波算法,说明该方法具有较强的鲁棒性且可应用于工程实践。

我国现有非法证据排除规则的正当性论述

自两高三部委发布的两个规定以来,非法证据排除规则一直是人们的焦点,而新修改的刑事诉讼法的相关规定。对相关规定的出台喝彩的同时,大部分人表示悲观——"缩小非法证据的范畴"、"相关配套制度不完善"、"对非法物证的排除规定过于模糊",学者们从各个角度剖析了我国现有非法证据排除规则的瑕疵。

西安交通大学:让校园导航简单灵活

随着互联网基础技术的迅速发展和微信小程序业务的逐渐普及,各种新型的校园服务业务已越来越多地运用到广大师生的日常生活和教学科研中。在此背景下,西安交通大学积极响应国家创新驱动的号召,建设了中国西部科技创新港——智慧学镇(简称"创新港")。

基于网络拓扑划分的大规模SDN控制器部署

为解决大规模SDN控制器部署受限于高复杂性和性能问题,提出一种基于网络拓扑划分的控制器部署策略Modified-Louvain。基于节点相似度重定义链路权重,引入社区容量尺度约束因子,实现不同子网络均衡划分;针对子网络中控制器与交换机间传播时延的最小化目标,通过启发式求解确定控制器部署位置。仿真结果表明,所提方法可有效处理大规模SDN控制器部署,在均衡控制器负载的同时最小化控制器与交换机间的传播时延,提供可靠部署策略。

一种用电信息采集终端柔性自动化检定系统研究

根据国内各省级计量中心自动化流水线建设现状,为了进一步提升自动化检定系统节约化、智能化的要求,提出一种柔性电能计量装置自动化检定系统,不仅可以实现多种电能计量装置的检定,还方便了传统人工检定台的使用,在节约了资源配置的同时,实现了资源利用的最大化,更大限度地发挥了自动化检定系统自动化、模块化、智能化的技术特点,具有很强的实用价值及推广价值。

采集运行维护资源配置决策支持研究

根据吉林省各单位采集故障产生数量、分布特点、现有人力资源数量,结合采集成功率建立了采集运行维护(以下简称运维)难度系数模型,模拟在不同采集成功率下,采集运维人员数量的配置情况,避免了采集运维人员分配过多,经济性差,或采集运维人员分配过少,运维能力不足的问题。

稀疏偏差补偿最小平均对数算法

针对最小平均对数(LMLS)算法在输入信号受噪声干扰的环境下进行稀疏系统辨识时存在精度低的问题,提出了一种稀疏偏差补偿LMLS算法.利用无偏准则推导偏差补偿项来修正输入噪声带来的偏差,构建偏差补偿LMLS.借助系统稀疏特性的先验知识,采用互相关熵诱导维度作为稀疏惩罚约束条件,优化偏差补偿LMLS算法.仿真结果表明,所提算法对于含噪输入信号下的稀疏系统参数辨识具有高稳态精度.