专业认证体系下“数字地形测量学实习”模式探索

工程教育专业认证的核心理念是以学生为中心、以成果产出为导向,提倡围绕课程目标和毕业要求达成对学生知识、能力与素质的培养。结合专业认证体系下测绘类专业“数字地形测量学实习”教学实施过程,设计从课程目标、实习基地建设、实习组织安排、实习内容等整链条式实习模式,基于问卷调查法、成绩分析法实例评价实习的课程目标及毕业要求指标点达成情况,并依托教研活动持续改进教学质量。结果表明,通过该实习不但使学生掌握了“数字地形测量学”理论知识,而且培养了学生解决大比例尺数字地形图测绘工程问题的能力和专业素质。

基于MO组件的测量学实习教学系统的研制

使用MapObjects组件开发测量学实习教学系统,实现了辅助教师讲解、演示实习教学资料、数字化测图、导线自动化计算、实习成果自动化管理、实习成绩合理判定等功能。摆脱了传统测量学实习教学枯燥、抽象的缺点,同时符合测量发展的自动化、数字化趋势,在实际教学中有一定的应用价值。

测量学实习与素质教育的思考

现代人才观强调人才应具有博与新的知识结构,广泛与综合的能力,因此素质教育成为了当今高校培养人才的主旋律,而实践教学是素质教育的一条有效途径。本文结合中国地质大学测绘工程专业周口店实习,从知识结构、能力结构和发展结构3个方面探讨了实践教学与学生素质的培养的关系。

土建类学生测量学实习注意事项

学生通过测量实训,使测量学基本概念、基本理论知识在实践得到运用和加深。为了有效的利用实习时间,和避免意外的情况发生,学生在实习过程中应多注意这些事项。

摄影测量学实习课程教学改革探讨

摄影测量学实习是测绘工程专业本科生的一门实践必修课,也是摄影测量学基础理论课程对应的后续教学实践环节。针对实习中存在的问题进行深入探讨,并从实习内容、所用软件以及实习手段三方面提出相应的改进建议与措施,以期激发学生的学习兴趣,提高学生的动手能力,最终实现本科教育教学质量的提升。

测量学教学实习要结合林业生产实际

在实施退耕还林工程和森林资源调查等工作中,林校的一些毕业生不断反映“看不懂地形图”、“测量学教学没能做到学以致用”等问题,这些问题很值得我们测量学教师深思。测量学是一门实践性很强的学科,其教学实习不仅是该课程教学的重要环节,更是培养学生实际操作技能的有效途径,应对测量学教学实习给予足够的重视,同时教学实习还必须紧密结合林业工作实际。

地理信息科学专业测量学野外实习教学实践探讨

测量学野外实习是地理信息科学专业的一项重要实习,能够传授学生运用全站仪测量地形并绘制地形图的方法,同时培养学生读图的能力。运用全站仪测量地形的步骤为:开机,对中,整平,设置反射体类型,设置存储文件夹,设置测站点坐标,瞄准目标点,测量目标点坐标。绘制地形图的步骤为:导入测量数据至ArcMap(10.6版),将测量数据点文件→TIN文件→栅格文件→等高线,调整等高距,添加指北针和比例尺。测量学野外实习的开展分实习早、中、晚三个阶段:(1)实习早阶段:带队老师选择测区,合理拟定实习计划,开动员大会;(2)实习中阶段:带队老师指导学生在测区运用全站仪进行地形测量,督促学生绘制地形图;(3)实习晚阶段:带队老师听取学生的实习成果汇报,点评学生绘制的地形图,结合学生的综合表现给出实习成绩。野外实习质量受经费、学时、仪器和场地等众多因素影响,但教师可采用多媒体教学、实物演示教学和互动式教学相结合的综合教学方法提高教学质量。

基于unity3d的测量学虚拟实验室设计与实现

为建设测量学虚拟实验室,利用unity3d平台开发以PC用户端为基础的实验室软件。本文具体对unity3d的优越性做了简单介绍。同时对unity场景中世界坐标系下的欧拉角转换为测量水平角和竖直角、对仪器操作前对中整平的模拟提出了方法和设计。

新工科背景下大比例尺地形图测绘课程群教学改革实践

基于OBE工程教育理念开展大比例尺地形图测绘课程群教学综合改革的设计与实践,从教学设计、教学实施与考核评价等方面进行理论、实验与实践课程的综合改革探索,突出课程群的顶层设计,注重教学内容的系统性与实践性,改革课程评价方法并持续改进。结果表明:教学改革强化了课程对人才培养的支撑。

Managing High Volume Data for Network Attack Detection Using Real-Time Flow Filtering

In this paper, we present Real-Time Flow Filter (RTFF) -a system that adopts a middle ground between coarse-grained volume anomaly detection and deep packet inspection. RTFF was designed with the goal of scaling to high volume data feeds that are common in large Tier-1 ISP networks and providing rich, timely information on observed attacks. It is a software solution that is designed to run on off-the-shelf hardware platforms and incorporates a scalable data processing architecture along with lightweight analysis algorithms that make it suitable for deployment in large networks. RTFF also makes use of state of the art machine learning algorithms to construct attack models that can be used to detect as well as predict attacks.