优化资源配置视角下高职院校竞争力提升微探

21世纪是竞争的时代,竞争已成为大多数社会组织无法回避的现实问题。近年来,随着高等教育大众化的不断推进,中国教育市场主体间的竞争日益激烈。在竞争中求得自己的生存与发展,成为当前高职院校改革发展必须思考的战略问题。本文在分析高职院校资源构成的基础上,简要阐述了当前高职院校资源配置的现状与问题,并提出了优化资源配置的策略,旨在通过资源的合理配置,实现高职院校竞争力的提升。

教师科研定量计算分析模型

针对目前高等学校教师科研工作量计量存在的问题 ,研究提出了新的定量分析计算模型。首先基于相对量的概念与算法 ,在建立教师科研工作量计算办法的基础上 ,通过引入数理统计中标准分的概念与计算方法 ,建立了教师科研定量分析模型 ,有效地消除了目前的计算办法中不同学科教师之间由于科研基础或学科发展水平不同所带来的同一分数的价值差别 ,实现了不同学科教师在科研方面的平等竞争。

课程体系的优化分析模型

针对人才培养方案中课程体系的优化 ,利用矩阵图法和数据矩阵分析法 ,给出了一种定性与定量相结合的课程体系优化分析方法与模型。首先 ,通过对课程与目标的相互作用分析 ,确定课程对目标的直接支持和贡献程度 ,并计算出各课程对目标的直接贡献指数 ;其次 ,通过课程与课程间的相互作用分析 ,确定课程与课程间的相互支持程度 ,以及一门课程通过支持另一门课程而对目标的间接贡献 ,进而计算出各课程对目标的总贡献指数 ,最后 ,根据课程对目标的直接贡献指数和总贡献指数 。

标准分在教师业绩计量中的应用

针对目前高等学校教师业绩计量存在的问题 ,提出了新的计量模型。首先通过引入“相对量”的概念 ,分别建立了教师教学业绩和科研业绩计算办法 ;并在此基础上 ,通过引入“标准分”的概念 ,建立了教师综合业绩计量分析模型。从而有效地消除了目前计算办法中由于不同课程类别或不同学科类别教师的教学业绩和科研业绩分数在各自团体中分布不同所带来的同一分数的价值差别 ,使不同课程类别或不同学科类别教师之间的综合业绩分数成为直接可比较的分数 ,实现了全校教师综合业绩的排序。

推行“订单式”培养:有效化解就业难题——以山东省高等学校实践为例

近年来,山东省高等学校在推行"订单式"培养,破解就业难题方面做了许多有益的实践和探索。本文将其中的典型做法和经验进行总结,深入分析推行"订单式"培养过程中存在的问题,并对在高等学校中推行"订单式"培养提出建设性意见。

高职院校核心竞争力评价模型研究

当前高职院校面临着越来越开放的教育市场和办学环境,能否提高其自身的核心竞争力、赢得竞争优势,直接关系到高职院校自身的生存和发展。依据国内外相关研究成果,参考高职高专人才培养质量评价指标,确定了高职院校核心竞争力指标,通过模糊综合评价法和层次分析法构建其核心竞争力的多层次评价指标体系和通用评价模型,分析评价了各高职院校在竞争中的优势和劣势,旨在提出高职院校核心竞争力的提升对策。

高等职业教育核心竞争力评价的哲学思辨

随着我国高等职业教育大众化进程的加快,高等职业教育核心竞争力评价成为当务之急。本文从哲学的角度,寻找高等职业教育核心竞争力评价的理论依据,从高等职业教育核心竞争力评价的系统性与矛盾性、抽象性与具体性、客观性与主观性、确定性与不确定性等方面进行哲学思辨。

大型钢屋架的整体安装

主要介绍用四台塔式起重机整体安装大型钢屋架的施工方法。

基于神经正切核的多核学习方法

多核学习方法是一类重要的核学习方法,但大多数多核学习方法存在如下问题:多核学习方法中的基核函数大多选择传统的具有浅层结构的核函数,在处理数据规模大且分布不平坦的问题时表示能力较弱;现有的多核学习方法的泛化误差收敛率大多为O(1/√n),收敛速度较慢。为此,提出了一种基于神经正切核(NTK)的多核学习方法。首先,将具有深层次结构的NTK作为多核学习方法的基核函数,从而增强多核学习方法的表示能力。然后,根据主特征值比例度量证明了一种收敛速率可达O(1/n)的泛化误差界;在此基础上,结合核对齐度量设计了一种全新的多核学习算法。最后,在多个数据集上进行了实验,实验结果表明,相比Adaboost和K近邻(KNN)等分类算法,新提出的多核学习算法具有更高的准确率和更好的表示能力,也验证了所提方法的可行性与有效性。

神经正切核K-Means聚类

针对K‑Means聚类算法利用均值更新聚类中心,导致聚类结果受样本分布影响的问题,提出了神经正切核K‑Means聚类算法(NTKKM)。首先通过神经正切核(NTK)将输入空间的数据映射到高维特征空间,然后在高维特征空间中进行K‑Means聚类,并采用兼顾簇间与簇内距离的方法更新聚类中心,最后得到聚类结果。在car和breast‑tissue数据集上,对NTKKM聚类算法的准确率、调整兰德系数(ARI)及FM指数这3个评价指标进行统计。实验结果表明,NTKKM聚类算法的聚类效果以及稳定性均优于K‑Means聚类算法和高斯核K‑Means聚类算法。NTKKM聚类算法与传统的K‑Means聚类算法相比,准确率分别提升了14.9%和9.4%,ARI分别提升了9.7%和18.0%,FM指数分别提升了12.0%和12.0%,验证了NTKKM聚类算法良好的聚类性能。

基于AT-NMS的Mask RCNN改进算法

大数据下的目标检测算法常常会出现目标漏检和重复检测问题,针对此问题提出一种基于自适应阈值-非极大值抑制AT-NMS的Mask RCNN改进算法Mask RCNN AT-NMS。首先在ResNet基础上添加可变形卷积模块增强提取目标多层卷积特征的能力;其次使用AT-NMS算法提取目标候选区域的深层信息;然后通过ROI Align 2次量化处理实现对目标更加精确的定位;最后通过3个分支实现目标实例分割、目标分类和目标边框回归。实验结果表明,在PASCAL-VOC2012和Indoor CVPR_09数据集上,相比于AT-NMS算法,Mask RCNN AT-NMS算法的重复检测率和目标漏检率均有所降低,并且识别精度有所提升。由此可见,Mask RCNN AT-NMS算法能够缓解因固定阈值引起的目标漏检和重复检测问题,且能在此基础上提高检测精度。

掌握文言常用词的基本方法

要使高中毕业的学生,达到教学大纲所要求的“能够阅读浅易文言文”的水平,就得加强基础知识的教学,一是掌握古代汉语中常见的句式,一是理解和掌握常用的文言词语。这两项基础知识中,后者尤为重要。王力同志认为:“古代汉语的难关在词汇方面,不在语法方面。”所以,使学生逐步掌握一定数量的常用词,是文言文教学的一项重要任务。那么,“一定数量”以多少为宜呢?王力同志主编的《古代汉语》

既要“面面俱到”又忌“点点不漏”——试谈语文教学的“一课三得”

与其他学科相比较,语文学科的教学是最难把握的,一是其他学科只讲教材所表述的内容,不必讲表述内容的形式,而语文学科则既要讲内容,又要讲形式,也就是不仅要讲文章写了什么,还要讲文章是怎样写的。

语文教学如何轻装前进

教师成年累月夜以继日地辛勤劳动, 但工作效率普遍偏低,甚至存在着“少慢差费”的现象,这是中学语文教学中长期难以解决的“老、大、难”问题。其主因是没有找到问题的症结,无法对症下药、轻装前进所致。正如复旦附中名誉校长姜拱绅同志著文指出:主要是语文课的性质、任务不够明确,内容庞杂,负载量太大。针对这个问题,他提出语文教学应该“轻装前进”的主张。

高强度板冲压工艺及模具制造

高强度板应用在车身结构中能够使车身减重达到25％左右，节省约15％的燃油。因此，提高高强度板在车身结构件中的利用率，对于实现汽车质量轻量化、节约能源、环境保护和提高安全性能等方面具有重要意义。

高强度板冲压工艺及模具制造

在汽车高强度板的冲压工艺设计过程中，科学地进行工艺补充造型以及变参数的拉延筋设计，减少了模具调试次数，缩短了模具制造周期和制造成本，保证了产品质量。

教学计划与组织计算机管理系统设计

以山东建筑工程学院教学计划与组织为模型，从计算机辅助管理的角度出发，建立了关系型数据库计算机管理系统数学模型。

基于神经正切核草图的多核学习方法

为提高多核学习对大规模及分布不均衡问题的处理能力,提出一种基于神经正切核草图的多核学习方法(neural tangent kernel sketch multiple kernel learning, NS-MKL)。应用神经正切核代替单层核函数作为多核学习基核函数,提高多核学习方法表示能力;使用神经正切核草图算法对神经正切核进行近似,减少神经正切核的特征数量和特征维度,提高多核学习方法计算效率;使用核目标对齐计算每个近似神经正切核的基核权重,根据权重进行多核线性组合,得到多核决策函数。在3个UCI数据集上对神经正线核(neural tangent kernel, NTK)核支持向量机(support vector machine, SVM)与传统核SVM进行比较分析,NTK核SVM比传统核SVM预测准确率最低提高1.9%,精度最低提高2.0%,召回率最低提高2.0%。在3个UCI数据集上对NS-MKL与传统核MKL进行比较分析,NS-MKL比应用传统核MKL预测准确率最低提高2.0%,运行时间最低减少9 s。NS-MKL能提高预测准确率,降低计算速度。

磨机主电机与进相机电气联锁保护的研究及应用

为了提高磨机主电机与进相机无功补偿串级运行的安全可靠性，研究设计了简单实用的ＦＺ－ＤＬＢ型进相机电气联锁保护器。加之辅助的电器元件，组成进相机电气联锁保护装置，以避免主电机和进相机在起动、运行过程中异常事故的发生。