A-STEM教育理念下小学科学课程教学中融入劳动教育的路径探究

劳动教育是培养综合素质人才的关键举措,在小学科学课程教学中融入劳动教育,发挥学科融合的教学优势,有利于拓宽科学教育路径、丰富劳动教育内容,提高科学课程的趣味性,切实推动小学阶段教育成效的全面提升。文章依托A-STEM教育理念,对接义务教育课程方案和课程标准,探究如何在小学科学课程教学中融入劳动教育,以期优化现有的学科教育资源,提高课程之间的关联性并实现教育教学质量的提升。

基于改进核可能性C均值类间极大化聚类算法

核可能性C均值(KPCM)聚类算法只考虑类内元素之间的关系,而忽略类与类之间的关系,在对边界模糊的数据集进行聚类时会出现聚类中心距离过小甚至出现聚类中心重合的现象。针对上述问题,提出一种基于改进核可能性C均值类间极大化(KMPCM)聚类算法。该算法在核可能性C均值聚类算法上引入高维特征空间的类间极大惩罚项和调控因子λ,构造新的目标函数。这样既可以合理地拉大类中心间距离,较好地避免聚类中心距离过小甚至重合的现象,使得边界处的样本得到了较好的划分,同时也考虑类内元素的关系,保持对噪声点和野值点较好的鲁棒性。通过大量实验证明,改进算法对于边界模糊的数据集的聚类效果明显优于传统聚类算法。

基于船舶融合点迹行为识别的雷达监视系统

针对近海监控管理的需求,将电子海图、雷达监控、AIS数据与CCTV技术相结合,通过集成平台对数据的融合处理,实现海洋交通的宏观、动态、实时、立体化的综合智能监控。同时提出一种基于地域信息位置特征点提取(Regional Information Feature Points Extraction,RIFPE)的点迹段划分方法。以某雷达基站为实验点,对已有船只的各项数据运用向量自回归和因子分析进行建模得到区域划分后的轨迹段的轨迹阈值,基于k最近邻算法(k NN)得到对轨迹阈值训练后的结果,最终对测试集进行轨迹行为判别。

基于区域规则的模糊C均值聚类图像分割方法

传统的模糊聚类图像分割算法只考虑像素点的灰度值,忽略了像素点的区域特性。虽然有些针对空间信息进行改进的聚类算法,但是仍局限于局部范围内。针对上述问题,提出了一种基于区域规则的核模糊C均值聚类的图像分割方法。该方法采用形态学和分水岭方法分别提取图像视觉轮廓和图像重建;以预划分的区域作为聚类入口,利用粒子群的全局寻优能力从小区域中搜索出较为准确的初始聚类中心,结合核函数并添加惩罚项完成图像聚类过程。实验结果表明,该图像分割算法对自然图片和合成图片能有效的分割出显著区域,同时具有较好的抗噪和规避不必要的毛躁能力。