基于微信公众平台的“大学计算机基础”课程教学改革

随着"互联网+"的发展,如何将移动学习和各种新媒体平台融入到大学计算机基础课程中,提高课堂教学质量,引导课程进行信息化改革,是近年来广大一线教师研究的重点。基于移动学习理论,借助微信公众平台设计了大学计算机基础课程的教学流程,并以"邮件合并"知识点为例进行了实证研究。该教学方法,进一步深化了大学计算机基础课程的信息化研究,拓展了老师的教学手段,提高了学生的学习体验。

加强师范生计算机辅助教学能力的培养模式研究

计算机辅助教学能力是中小学教师必须具备的现代教育技术核心能力,也是师范生应该进行重点培养的能力。在高师院校师范教育中实施必修课与选修课结合、课堂教学与自学相结合的"1+X+2"培养模式,既能增强学生的教学理论知识,帮助学生熟悉课件开发平台,掌握课件制作的基本理论、方法和技能,又能加强学生的实践操作能力,有效地提高师范生计算机辅助教学能力。

以言行事为核心的明示语用教学模式

随着语际语用学的发展,学术界对语用能力的可教性已达成了共识,但有关语用教学课堂模式的研究为数不多。本文借鉴国内外语用教学的研究成果,提出以言行事为核心的明示语用教学模式实践。教师在语用教学中,提供元语用信息,明确教授语用语言和社交语用知识;输入真实的语用材料,分析具体语境中的语言形式和功能契合;创设各种语用交际机会,提供及时的反馈并进行综合性语用测试。

交际教学法在理论上的缺陷

交际教学法从产生到蓬勃发展有其历史的需要,但是它在实施过程中逐渐陷入全面的困境也是不争的事实。本文从三个方面探讨了交际教学法在理论上的缺陷问题,使人们破除了对交际教学法的迷信,并再次证明了任何教学法理论,只有从中国实际出发,不断发展和创新才有出路这个朴素真理。

探讨大学英语考试系统成绩查询扩展功能

大学英语等级考试系统具有效率高、查询与管理方便和数据统计便捷等特点,已成为高校英语教育改革的一个重要环节。针对大学英语等级考试系统单点登录查询方式的不足,提出了一种新型的成绩查询功能,并给出了基于这一功能的大学英语考试系统的设计与实现。该系统主要实现了考生成绩的批量查询、考生人数统计以及考试成绩分析等多种功能,从而使大学英语考试系统功能更加完善、操作更加人性化。

讨论教学法在《管理信息系统》课程中的应用

《管理信息系统》是一门边缘性学科,具有概念多、内容新、实践性强的特点,工商管理类专业的学生历来认为该课程空洞、乏味、难学,因此,学生的学习积极性不高。根据《管理信息系统》课程的特点,在教学中引入讨论法,收到良好的教学效果,实现教学目的。

VB课程如何吸引学生兴趣的教学方法探讨

针对大学公共计算机课程"VB程序设计"教学现状,提出采用联想、形象、微课、尝试错误、经典案例、小组竞赛等教学法来解决VB课程怎么教才能吸引学生兴趣的问题,力争调动学生学习的积极主动性,达到事半功倍的教学效果。

考试系统中题库量与试题量的关系研究

采用组合优化方法研究了考试系统中题库量与随机抽取试题量的关系,给出了在约束条件下题库量与试题量之间的数据模型和无约束条件的计算式。实验表明,只要题库量达到3 000或3 000以上时,用计算机从题库中随机抽取100个试题生成一份试卷,其重复率很低,可满足常见的考试要求。

机会网络中基于节点社会性的数据转发策略

合理地选择代理节点是实现机会信息高效的转发和交付的关键问题。为了避免机会网络中,由于节点的移动性、交替活跃及网络拓扑动态变化等因素造成的传输限制,从社会网络与机会网络相结合的角度出发,提出了一种基于节点社会性的机会网络中的转发策略SNOP(data forwarding algorithm based on the sociality of node in opportunity network)。SNOP利用网络中的社团结构、社团间相似性及节点的社团活跃,有针对性地选择移动代理节点(agents),以离线的方式计算节点的社会性,在线完成转发,以此实现信息的高效和可靠交付。在真实数据集上的实验结果表明,与现有的转发算法相比,SNOP能够有效地提高信息交付的效率,降低端到端的传输延迟及网络开销。

基于极值优化策略的改进的人工蜂群算法

为提高人工蜂群算法在求解优化问题中的性能,结合极值优化策略提出一种改进的人工蜂群算法。改进算法基于极值优化策略高效率的寻优机制重新设计了原算法中跟随蜂的局部搜索方案,并具体给出了新方案的组元变异算子和最差组元判定规则。通过对优化问题中8个典型测试函数的仿真实验表明,与基本人工蜂群算法和已有的典型改进算法相比,改进算法在寻优精度和收敛速度上均有明显提高,在优化问题求解中体现出较强的寻优能力。

求解函数优化问题的改进的人工蜂群算法

为提高人工蜂群算法求解复杂函数优化问题的性能,分析了算法中侦察蜂逃逸行为的不足,并对其进行改进:定义了逃逸指标,使其能准确地反映个体状态对算法早熟的影响;重新设计选择机制,让侦察蜂不需要参数控制,能自适应地选择可能导致算法早熟收敛的个体执行逃逸操作;改进了逃逸算子,降低了逃逸操作的盲目性。通过9个典型测试问题的实验结果表明:在指定误差精度下,本改进算法均能有效收敛;同时与基本人工蜂群算法和已有的典型改进相比,本改进算法在收敛精度和速度上均有明显提高。说明提出的改进策略能有效提高算法求解复杂函数优化问题的能力。

延迟容忍移动传感器网络中基于节点优先级的数据转发策略

为了更好地解决延迟容忍移动无线传感器网络(Delay Tolerant Mobile Sensor Network,DTMSN)中的数据收集问题,提出了一种基于节点优先级的数据转发策略NPD(Node Priority Data Delivery Scheme)。NPD根据计算得出的各节点不同的转发优先级作为消息传输时选择下一跳的依据。为优化消息复本管理,NPD采用动态消息队列,并根据消息的生存时间决定消息的丢弃原则。仿真实验表明,与现有的几种DTMSN数据传输算法相比,NPD有更高的数据传输成功率与更小的传输延迟,并具有相对较长的网络寿命。

自适应混沌变异蛙跳算法

研究蛙跳算法的寻优性能,主要在基本蛙跳算法的全局搜索过程中加入自适应混沌变异操作,提出一种改进蛙跳算法。改进后的算法采用Logistic混沌序列构造混沌变异算子,同时结合个体适应度和进化代数自适应调整变异尺度,从而增强蛙跳算法搜索最优解的能力。仿真实验结果表明,改进后的算法寻优精度和收敛速度得到了有效提高,具有较好地实用性能。

基于分层的河流水下传感器网络路由算法

为了获取传感器节点的实时位置,在河流水下传感器网络(UWSN)的独特环境中,采用流体力学的方法对河流水下传感器网络进行建模,模拟真实河流环境下传感器节点的运动规律。为了研究河流水下无线传感器网络数据传输的问题,提出了一种河流环境下基于分层的路由算法(RALM)。每个节点根据收到Sink广播的速度信息周期性地计算并更新各自的拓扑信息,数据待发送节点优先选择当前剩余能量最多的上一层的邻居节点进行数据转发,若上层无邻居节点,则转发给剩余能量最多的同层邻居节点。仿真实验表明,所提算法在网络的冗余度和丢包率上都要优于基于深度的路由算法(DBR)和基于分层的水下传感器网络路由协议(Layered-DBR),网络生存周期分别提高了71%和45%。

基于密度控制的传感器网络能量空洞避免策略

针对无线传感器网络中节点能耗不均造成的能量空洞现象,提出了一种基于密度控制机制的能量空洞避免策略DCDD(Density Control-based Data Delivery algorithm).在对分层成簇网络的各层能耗进行计算和分析的基础上,根据网络各层的能耗比例在各层网络中配置不同的初始能量,即不同数量的节点.进一步,利用密度控制机制改变节点的工作/休眠状态,使各层网络中的节点能量趋于同时耗尽.同时,为平衡簇头间的负载,引入路由负载平衡分流的思想,让一个簇的数据发送到下一跳的簇头时,不再只发送给一个簇头,而是将数据分流到多个簇头.仿真实验表明,与现有的几种数据传输算法相比,DCDD算法能有效延长网络寿命,平衡网络各层节点的能耗并避免能量空洞现象的出现.

改进人工蜂群算法求解多目标连续优化问题

针对多目标连续优化问题,依据人工蜂群算法原理给出其求解流程,并指出算法中更新策略存在盲目搜索和丢失优秀个体的不足,随后提出改进方案。改进方案包含两部分:首先,设计一种自适应搜索算子,使算法在运行过程中能根据个体质量自动调节搜索范围,让算法搜索行为准确高效;其次,利用外部集合记录下新产生的个体,一次迭代完成后结合外部集合重新构造种群,让算法能有效地保存进化过程中产生的优秀个体。实验中将改进人工蜂群算法与NSGA2算法、改进前算法以及文献报道的同类优秀算法进行了比较,结果说明:改进人工蜂群算法在求解多目标连续优化问题中具有良好的收敛性和均匀性。

改进的混合蛙跳算法

为提高混合蛙跳算法在优化问题求解中的性能,提出了一种改进混合蛙跳算法。改进算法在原算法基础上加入了变异算子,并根据算法进化过程的不同阶段和进化过程中候选解分布情况,利用模糊控制器对变异算子的变异尺度进行调整,实现了变异算子在解空间中搜索范围的动态调整。通过对优化问题中4个典型测试函数的仿真实验表明,与基本蛙跳算法和已有改进算法相比,改进算法在寻优精度、收敛速度和求解成功率上均有一倍以上的提高,尤其在高维复杂优化问题求解中体现出较强的寻优能力。

基于多级能量异构的无线传感器网络能量空洞避免策略

为了缓解无线传感器网络中出现的能量空洞问题,提出了多级能量异构算法(MEH)。该算法对网络的通信负载分布特性进行解析,并根据通信负载分布特性给网络部署初始能量异构的节点,即在通信负载较重的区域配置初始能量较高的节点,以平衡各区域的能量消耗速率,缓解能量空洞问题,延长网络生命周期。仿真结果显示,与已有的低功耗自适应分簇算法(LEACH)、分布式能量均衡的非均匀成簇路由算法(DEBUC)、非均匀部署算法(NDS)相比,MEH算法在网络能量利用率、网络生命周期及网络能耗周期比方面分别提升了近10个百分点,且具有良好的能耗均衡性。实验结果表明,MEH可有效延长网络生命周期、缓解能量空洞问题。

基于三支决策的模糊信息系统OWA算子参数选择

在模糊信息系统中,通过有序加权平均(Ordered weighted averaging,OWA)算子计算对象相似度,可以建立λ截集的相容关系。当λ的值确定后,OWA算子中量词参数(α,β)的选取直接关系到不可区分关系的建立以及信息粒的粗细。因此合理选取参数(α,β)是值得进一步研究的问题。本文采用粗糙集三支决策理论,研究模糊信息系统OWA算子参数选择的相关内容。基于参数的激进、中庸和消极语义,确定OWA算子(α,β)的3种常用取值;进而研究相似度、相容类、双向近似和三支区域在3种参数选择下的性质关系。最后利用实例验证分析了模糊量词参数语义解释的合理性。本文采用三支决策创新视角,得到模糊信息系统OWA算子的深入性质,为相关模糊量词参数提供语义解释与选择依据。

基于改进蛙跳策略的Map-Reduce作业调度算法

为提高智能算法在Map-Reduce作业调度问题中的求解效率,提出一种基于改进蛙跳策略的调度算法。针对蛙跳策略在Map-Reduce作业调度中的应用,算法具体设计了编码方案和进化算子;同时,为提高算法收敛性能,对蛙跳策略进行改进:结合种群多样性指标增加逆转变异操作。仿真实验结果表明,提出的改进蛙跳策略在Map-Reduce作业调度问题求解中,收敛性能、作业总完成时间和平均完成时间三个方面均优于基本蛙跳策略和已有的智能调度算法,是一种实用的Map-Reduce作业调度方案。