基于Web Services的异构数据库数据集成的研究

针对高校多业务系统异构数据库的特征,提出基于Web Services的校园异构数据库数据集成的框架体系结构,并对数据集成的关键技术进行研究和设计,为校园数据共享和互联互通提供一种技术方法.

数字化校园数据交换平台的研究与设计

高等学校数字化校园存在强烈的数据交换、数据共享需求,本文提出数字化校园数据交换平台的体系结构,设计基于XML、Web Services的开放标准、松散耦合的校园数据交换平台,实现高等学校各职能部门应用系统间数据交换、共享,消除校园"信息孤岛"。

网络课件生成管理平台的设计与开发

当前基于网络的课件快速生成系统以及教学资源管理系统的开发成为校园网应用的重大需求,该文论述了基于网络课件生成管理系统的设计指导思想,介绍了该系统的结构模型和系统的技术实现。该系统具备了快速生成课件以及课件资源管理的基本功能,性能良好,运行稳定,具有较强的系统可扩展性和可移植性。

温州大学构建数字化教学环境,提出新的资源管理和组织模式,实现 从“面对面”转向自主学习

信息技术和互联网的高速发展极大地改变了人们的生活，也改变了教育和学习的方式，传统的教与学正在经历着巨大的变革，数字化教学方式逐渐进入高校课堂。温州大学制定“以自主学习、协作学习为主、交互式学习为辅，体现以学生为中心”的教学模式，充分利用网络教学综合平台，进行素质教育、创新教育、实践教育。

基于反向细菌优化支持向量机的躯体化障碍预测模型

基于改进的细菌优化算法(BFO)的支持向量机(SVM)提出了一种有效的智能预警模型(IBFO-SVM),并对社区矫正人员出现的躯体化障碍严重程度进行了预测。在IBFO-SVM中,在细菌优化算法中引入反向学习策略,增加细菌种群的多样性,并使初始种群的个体尽可能均匀分布,提高BFO优化过程的收敛速度同时减少了BFO陷入局部最优解的概率。然后利用提出的反向细菌优化算法(IBFO)来确定SVM的两个最优参数(惩罚系数和核宽)。最后,将IBFO-SVM模型与基于原始细菌优化的SVM模型(BFO-SVM)、基于遗传算法的SVM模型(GA-SVM)以及基于粒子群优化算法的SVM模型(PSO-SVM)在心理评测数据上通过10折交叉验证方法进行了比较。实验结果表明:提出的IBFO-SVM预测模型在分类准确率、马修斯相关系数(MCC)、灵敏度和特异性方面比其他方法具有更好的性能,可以很好地将重度躯体化障碍和轻度躯体化障碍进行诊断。

大数据环境下个性行为信息处理预测模型研究

【目的/意义】大数据环境下通过对大量的信息进行分析,梳理出影响人际关系、精神状态、行为轨迹、各种奖惩统计、微博微信活跃度、宗教信仰等个性问题,挖掘大数据背后蕴含着的大量不同主题内容的数据模块。主动掌握个性行为发生的规律和特点,并据此做出研判和预测。【方法/过程】本文提出了一种有效的智能预测模型,使其能够用于寻找影响人际关系问题的关键因素。通过对个性行为数据的分析,首次提出一种基于混沌正余弦优化的模糊k近邻模型,使其能否对大数据环境下的个性行为做出智能预测。【结果/结论】此模型能够深度挖掘个性行为和心理问题,帮助管理者进行宏观决策,辅助教学生产安全管控,实现预警指标模型、预警信息产生、预警信息推送等一系列的预警功能。