《大学计算机基础》教学现状分析与改革探索

针对中国矿业大学2013年至2015年的新生入校计算机水平现状进行统计,总结我国高中信息技术课程培养现状,指出《大学计算机基础》课程在高等学校开设的必要性;分析目前《大学计算机基础》教学中存在的两大主要问题;提出三点关于《大学计算机基础》课程改革的思路与方法。

《大学计算机基础上机实践》课程的微课建设与应用

针对本校《大学计算机基础上机实践》课程由实验课改为学生自主上机学习的实际情况,为了满足学生通过网络、移动终端进行自主学习的需求,承担教改项目的教师根据教学内容设计制作该课程的微课视频,以保证无教师指导的情况下学生仍然能够通过微课学习,达到预期的教学目标。

基于慕课平台的问题式学习在计算机基础教学中的应用

研究的思路是将传统课堂授课与网络学习模式相融合,将以问题为基础的教学法(PBL)应用到计算机基础教学中。融合教学的个性化和学习过程的自主化,探讨慕课资源的设计、课堂教学实施方案,分析教学效果和教学中存在的问题。实践证明,以慕课平台为依托,以基于问题的教学理念为途径,实现因材施教和个性化教学,教学效果明显,提升学生的学习兴趣,培养学生探索问题和解决问题的能力。

文科类专业计算机基础课程模块化教学的探讨

在大学计算机基础课的教学实践中,文科类学生对计算机应用的学习需求逐渐呈多样化的趋势。为了在有限的学时中满足学生的学习需求,在课程教学中引入"模块化教学"的理念,并采用案例式的教学方法,以期获得更好的教学效果。

提高学生自主学习计算机基础课程的教学方法探讨

改变教育教学方式,培养学生的自主学习能力已经成为当前教学改革的趋势和亮点,如何提高学生自主学习计算机课程的积极性,也早已成为一线教师在从事计算机基础课教学的过程中必须要面对并且迫切需要解决的问题。实践证明,完善的微课平台和翻转课堂教学推动学生的自主学习,丰富的课堂案例及启发式作业激发学生课下学习的兴趣,作业互评机制及考试软件测评也在一定程度上提高学生的竞争意识和自学能力。

巷道中线的计算机自动求解算法

本文将巷道中线的确定看作是由点至线的求解问题,以矿井巷道的左帮距、右帮距等测量数据为依据,利用导线点与巷道壁之间的特殊位置关系,提出了一种新的基于坐标公式法易于在计算机上实现的巷中线求解算法,将人们从繁琐的绘图工作中解放了出来,具有很好的实用价值。

基于教学视频的大学文科专业数据库应用技术自主学习平台建设

数据库应用技术是大学文科专业学生的一门必修课,课程的知识点较多,而文科专业学生的编程能力相对较弱,传统课堂学习已经无法满足学生对知识的需求。实践证明,建立一个基于教学视频的具备丰富课程资源的自主学习平台,能充分调动学生学习的积极性,提高学生的编程能力。

基于XML的参数化虚拟场景建模技术

针对VRML虚拟场景建模可定制性差和开发效率低的缺陷,提出一种基于XML的参数化虚拟场景建模技术,增强了VRML场景建模的可定制性,提高了开发效率,并对大场景采用区域划分的方法,提高了大场景的绘制速度,在虚拟城市的构建项目中得到了较好的应用。

一种基于前向计算的动态程序切片方法

动态程序切片技术是一种重要的程序分析技术,在软件分析、测试与调试过程中有着广泛的应用。给出一种基于前向计算的动态程序切片方法,该方法首先在对当前执行语句进行定义使用分析的基础上计算该语句定义变量的影响集,其次计算该语句的直接动态依赖关系,最后计算当前执行语句中变量的动态切片。根据该方法设计并实现了一个Java动态程序切片系统,基于一组基准测试程序开展了切片实验,并与已有的切片方法进行了比较。实验结果表明,该方法可以得到比较精确的动态程序切片结果。

基于CVT-RegNet构建MRI下胶质瘤P53基因状态预测模型

P53基因状态是胶质瘤精准诊疗的重要依据.针对目前基于MRI(Magnetic Resonance Imaging)的P53基因状态预测的深度学习模型中存在的异质性特征提取不全面、模型存在固有的多种不确定性等问题,提出脑胶质瘤P53基因状态精准预测模型CVT-RegNet(Improved RegNet Integrating CNN,Vision Transfomer and Truth Discovery).首先,采用RegNet网络作为P53基因突变状态预测模型的基础架构,自适应设计搜索P53基因的异质性特征;其次,在模型中将ViT(Vision Transfomer)模块与卷积神经网络(Convolutional Neural Networks,CNN)模块进行融合以改进RegNet网络,进一步优化模型的特征提取性能与计算效率;最后,融入真值发现算法进行迭代寻优以改善模型输出的不确定性,提高预测结果的准确度.实验结果表明,CVT-RegNet模型对P53突变状态的预测准确率达到95.06%,AUC(Area under Curve)得分为0.9492,优于现有的P53基因状态预测模型.CVT-RegNet实现了胶质瘤P53基因状态的无创预测,减轻了患者的经济负担及身心伤害,为胶质瘤的临床精准诊断治疗提供了重要价值.

变转速工况下松动故障自适应时频模态分解

松动故障广泛存在于机械设备之中,而在变转速工况下的松动故障诊断仍存在一定挑战.为实现变转速工况下的松动故障诊断,本文提出了一种自适应时频模态分解方法.为提高该方法的多工况自适应能力,针对时频模态分解窗宽参数进行了优化选取,研究了窗宽参数与分解输出的非线性关联特征,实现了不同噪声下的自适应时频模态分解.为验证该方法的有效性,针对支承松动故障进行了实验验证,同时在某工程设备上进行了旋转部件松动故障实验验证.采用自适应时频模态分解算法对实验验证数据进行处理,实现了非平稳特征的模态分解.通过定义和计算各阶次能量占比,完成了振动信号的故障特征分析,实现了松动故障的特征提取与诊断.结果表明,所提方法能够实现非平稳信号的模态分解,对于松动故障具备有效的诊断能力.

基于SOAP技术的移动代理消息系统

研究如何运用SOAP建立一个为不同的移动代理平台之间交换消息的消息网关，并且不同平台的代理可以通过消息网关整合服务。由于SOAP基于HTTP和XML，因此使用SOAP作为消息交换的机制，不受异构系统的限制，而且可以利用HTTP应用的广泛性。

基于月球的吉林一号卫星在轨辐射定标研究

为了使吉林一号卫星遥感数据得到更好的应用,利用月球为辐射源对吉林一号光谱卫星进行了在轨绝对辐射定标研究,以对实验室定标系数进行改进。考虑到定标系数具有时效性,将观测数据按时间分组后定标,利用ROLO模型计算卫星观测时刻月球辐照度,构建ROLO模型值与卫星观测值之间的关系并进行最小二乘拟合,从而获得19个谱段的两组定标系数。最后,将定标结果与吉林一号场地定标、高分四号卫星和SeaWiFS月球观测数据进行对比验证。结果表明:对月定标结果稳定,两组定标系数线性拟合的不确定度分别为1.72%和1.24%;在光谱形状上,利用月球定标后月球光谱曲线平滑,光谱形状与月球辐射特性一致,与场地定标相比,各波段相对大小在定性上得到极大改善;在绝对辐射值上,定标结果与高分四号卫星月球辐照度平均相对误差为8.1%,与SeaWiFS两个波段的平均误差为0.90%和7.42%。本研究说明月球定标是卫星在轨辐射定标及真实性检验的有效途径。

云计算下的SPRINT并行算法研究

目前,由于云计算的出现,越来越多的中小企业在分析海量数据时能便利地找到廉价的解决方案。本文,鉴于MapReduce作为Hadoop中的重要编程模型,在介绍基于云计算的Hadoop平台和数据挖掘技术中的SPRINT分类算法的基础上,详细描述SPRINT的并行算法在MapReduce编程模型上的执行流程,并利用研究出的决策树模型对输入数据进行分类。

基于OPNET的IEEE802.11信道接入技术仿真研究

信道接入控制技术是实现无线网络节点共享无线信道空间的关键技术。IEEE802.11作为无线局域网的一个重要协议标准,定义了两种信道接入控制方式,分别是分布式协调方式和中心协调方式。本文主要研究了以IEEE802.11协议标准为对象的无线局域网两种信道接入技术的学习和讨论,并运用先进的网络仿真工具OPNET对信道接入技术进行了仿真研究,总结了不同信道接入技术下的无线局域网的网络性能。指出设计网络时需要根据不同情况来选用不同的方式来进行通信。

基于深层特征差异性网络的图像超分辨率算法

传统深层神经网络通常以跳跃连接等方式堆叠深层特征,这种方式容易造成信息冗余。为了提高深层特征信息的利用率,该文提出一种深层特征差异性网络(DFDN),并将其应用于单幅图像超分辨率重建。首先,提出相互投影融合模块(MPFB)提取多尺度深层特征差异性信息并融合,以减少网络传输中上下文信息的损失。第二,提出了差异性特征注意力机制,在扩大网络感受野的同时进一步学习深层特征的差异。第三,以递归的形式连接各模块,增加网络的深度,实现特征复用。将DIV2K数据集作为训练数据集,用4个超分辨率基准数据集对预训练的模型进行测试,并通过与流行算法比较重建的图像获得结果。广泛的实验表明,与现有算法相比,所提算法可以学习到更丰富的纹理信息,并且在主观视觉效果和量化评价指标上都取得最好的排名,再次证明了其鲁棒性和优越性。

方向感知增强的轻量级自监督单目深度估计方法

为解决现有单目深度估计网络复杂度高、在弱纹理区域精度低等问题,该文提出一种基于方向感知增强的轻量级自监督单目深度估计方法(DAEN)。首先,引入迭代扩展卷积模块(IDC)作为编码器的主体,提取远距离像素的相关性;其次,设计方向感知增强模块(DAE)增强垂直方向的特征提取,为深度估计模型提供更多的深度线索;此外,通过聚合视差图特征改善解码器上采样过程中的细节丢失问题;最后,采用特征注意力模块(FAM)连接编解码器,有效利用全局上下文信息解决弱纹理区域的不适应问题。在KITTI数据集上的实验结果表明,该文模型参数量仅2.9M,取得δ指标89.2%的先进性能。在Make3D数据集上验证DAEN的泛化性,结果表明,该文模型各项指标均优于目前主流的方法,在弱纹理区域具有更好的深度预测性能。

并发程序中的异常处理技术

随着实际应用对并发软件需求的不断增加,并发程序的设计、测试和维护已引起人们的高度重视,其中并发程序的异常处理技术已成为一个重要的研究课题.针对顺序程序而设计的异常处理方法和工具无法直接应用到并发程序中,人们为此提出了许多并发程序中的异常处理方法.对最近所提出的各种各样方法进行了分类比较研究,最后对将来的研究方向进行了展望.

基于复小波变换全监督学习的微震波形降噪与相位拾取

由于井下微震信号有着更低的信噪比,导致信号拾取精度降低.现阶段基于小波阈值的信号降噪算法等在面对信噪比较低的信号时存在泛化性差,阈值难以衡量等问题.为解决这一问题,本文研究了一种复小波变换全监督学习的微震波形降噪方法.该方法首先利用复小波变换结合卷积自编器设计一个具有多个卷积和反卷积操作的编码-解码器完成图像的降噪过程.为验证此方法的有效性,首先在Stanford的Earthquake数据集上构建了Earthquake2023进行训练和测试,并有着较好地拟合效果和训练结果.同时基于该方法降噪后信号设计了一种震相拾取方法,并达到了较高的拾取精度.本文设计了多组对比实验,结果表明此降噪方法能有效提高信号的峰值信噪比和均方根误差,两者分别提高了16 dB和24%,P波、S波初至到时拾取的误差相较于STA/LTA减小了0.3 ms.

OOP技术的应用

本文主要讨论OOP技术在VFP中的具体应用