基于精准教学模式下的分层教学路径探索

精准教学的研究已经开展了许多年,但大多体现在某一个特定的教学环节,缺乏系统的精准教学模式。本文在基于前人精准教学研究上将分层教学与精准教学相融合,首先对教学元素进行分层,从学生层面,课程层面,平台层面以及教师层面出发,去分别定义每一个层面的工作,然后再从学生具体学情出发开展具有针对性的分层教学,从而实现更加精准的教学定位。通过四个层面之间的反复循环以及分层教学的动态调整来推进教学过程,实现对学生精准性的教学。

应用型本科高校大数据人才培养模式研究与实践

课题组通过对数据科学与技术专业人才培养方案的确立、人才培养目标的选择、师资队伍的建设与培养、课程体系的设置以及教学模式的改革等相关工作进行跟踪观测,并对相关工作数据进行搜集,旨在不断探索实践人才培养观念与方法,使实践与研究互为指导,构建出一套大数据人才培养模式,从而为地方应用型高校培养大数据人才提供可借鉴的经验。

遗传算法在征信决策中的应用

以征信业务作为研究对象,论述了其发展阶段以及当前存在主要的问题,具体表现在业务数量体量大和数据维度多。为了解决该类问题,从数据降维的研究为入口,先后研究了国内外相关的降维方法,并提出将遗传算法用于征信业务。为了验证方法的可行性与有效性,增设多组实验,并通过算法的精确度以及时间效率指标来进行验证。实验过程中,首先通过逻辑回归、决策树以及支持向量机等相关算法对原始数据集进行处理,确定了支持向量机作为决策算法,然后通过遗传算法在原始数据上的处理,将61列的数据,降低到31列,并嵌入到支持向量机算法中进行决策。实验结果表明,方法不仅提升了4%决策精准度,而且提高了近1倍的运算速率,具有可行性与有效性。

基于单通道的Kmeans算法的图像分割

图像分割是图形处理过程中的一个重要环节,针对图像在不同颜色通道下反映出不同局部特征的特点,提出了一种基于单通道的Kmeans图像分割算法。首先通过对彩色RGB图像进行通道分离,以获得目标图像在单通道下的局部特征;然后对分离结果进行平滑滤波,优化后利用Kmeans算法进行聚类以获取预分割目标;最后对预分割目标进行形态学滤波以降低分割后产生的空洞与局部轮廓的不光滑,从而得到分割结果。实践表明,算法能够有效分割出目标区域,且与二值化,Ostu算法相比,在分割精度上效果更好。