大学生活动信息管理系统的设计与实现——以南京邮电大学通达学院为例

文章基于对学生社团活动现状的调查与分析,结合参与社团活动及社团活动管理的经验,从管理者和学生参与者两个角度入手,按照功能的不同将系统划分模块架构,设计成一个适用于大学生活动的互联网线上管理系统。系统采用PHP语言进行编程,连接分类存放学生活动内容的数据库,提高管理社团活动的效率,也方便了学生对社团活动的了解,能够及时地参与活动。

空间通信载波多普勒频偏捕获的两阶段稀疏算法

在空间通信中,信号面临远距离传输和高动态相对运动,其中,远距离传输带来很低信噪比(SNR,signal-to-noise ratio),而高动态相对运动则引起载波高动态多普勒频偏。为解决低信噪比问题,传统捕获方法需要长时间累积很多接收信号。但是,在长时间累积过程中,高动态多普勒频偏会导致严重的能量扩散问题。针对上述问题,提出了一种两阶段稀疏(TSS, two-stage-sparse)算法来捕获载波多普勒频偏。该算法首先利用粗捕获结果构造粗稀疏搜索范围,然后选择若干个较大元素来构建精稀疏搜索范围,最后搜索最大元素作为捕获结果。由于稀疏范围仅覆盖很窄的频率区间,该算法能够滤除更多的噪声干扰,从而辅助信号元素成为最大元素。理论分析和仿真结果也表明,所提TSS算法能够显著提高多普勒频偏的捕获概率。

基于智能手机的步态识别研究与设计

在当前大数据浪潮的影响下,生物识别技术的发展吸引了越来越多国内外研究者的关注。步态识别技术能够根据受试者行走时的步态,进行非接触式身份识别,具有采集方便、识别距离远、不易隐藏等优点。文章提出了一种基于智能手机的步态识别方法,选用加速度、陀螺仪传感器采集步态数据,利用机器学习技术对步态信息进行分析处理,以参数调优后的随机森林算法作为步态识别分类模型,经测试模型准确率可达94.05%。此外,设计开发了一款实时的智能手机身份识别系统,将提出的步态识别最佳分类模型部署到移动端,生成结果可用于身份识别,也为步态数据采集提供一种新的方式。

基于微助教的数据结构课程教学资源建设与应用

分析高校计算机专业必修课程"数据结构"存在知识点多和学生学习难度大的教学实际,结合当前课程特点和学生学习存在的问题,探讨该课程的学习过程化考核方式和教学信息化资源建设情况,通过微助教与雨课堂的比较,说明微助教平台在课程改革中的作用和效果,给出未来的教学改革重点和基于微助教的教学改进提出一些建议。

基于WBID模型的Web技术课程教学设计

针对Web技术课程分布式学习模式的实际需求,通过研究基于网络的教学设计模型,提出一种混合式教学设计方案,以有效整合线上线下教学环节。在设计模型指导下,具体阐述课程的分析、设计和开发过程。

《高级语言程序设计》实验课程探讨

《高级语言程序设计》是各大高校目前开设的一门专业必修课程,实验课程作为理论课的重要巩固过程,显得尤为重要。该文以C语言为主要教学语言,较为详细的介绍在整个实验环节。从实验任务的引导、实验过程的指导、实验任务的提交、实验成绩的评判等几个方面入手,分析在这几个环节中遇到的实际问题。接着,分别再从这几个方面逐一探讨相关的解决方案,提出相关措施,为今后相关实验课程在授课过程中提供参考。

《Java程序设计》课程案例探讨

《Java程序设计》是目前各大高校计算机专业的一门专业必修课,学习有一定的难度,教学案例的选取显得尤为重要。本文选取教学过程中的几个小知识点,来探讨教学案例的应用,分析这些案例在实际教学过程中如何让学生能够更好地理解相关知识点,并且详细阐述案例相关代码在教学时学生产生的问题。旨在为相关课程在今后实际教学过程中选取合理的教学案例提供参考。

“数据库系统”课程的教学研究

“数据库系统”是高校计算机相关专业的必修基础课程,是一门理论和实践相结合的课程。文章从数据库课程在计算机领域中的地位出发,结合南京邮电大学通达学院数据库系统教学特点,分析存在的问题,提出教学改进方法,包括理论与实践相结合、教学演练、线上线下答疑、无纸化上机考核等,在提高学生学习兴趣、增强学生自主实践创新能力等方面取得良好的效果,有效提高了教学质量。

“程序设计(上机)”实践教学研究

“高级语言程序设计”是高校大多数专业的基础必修课程,“程序设计(上机)”是南京邮电大学通达学院相应开设的实践课程,主要以C语言作为程序设计语言。文章从课程安排、实践指导、资料提交、课程考核等方面着手,分析在实践环节中遇到的问题,提出合理实用的解决方法。实践证明,该方法有效提高了学生自主实践创新能力,取得了良好的集中实践教学效果。

基于NMF-OMP的基因表达数据分类

文章提出一种基于非负矩阵分解和正交匹配追踪的癌症基因表达数据分类方法。首先,采用主成分分析与奇异值分解相结合的方法对数据进行降维;其次,通过非负矩阵分解训练传感矩阵、正交匹配追踪取得测试样本的稀疏表达;最后,根据稀疏表达和样本特征矩阵进行分类。与经典的分类方法相比,该算法提高了分类准确率,对多类别、不均衡的样本分类效果更明显。