地方师范院校公共计算机课程教学改革与探索

为了适应社会发展的需要,高校公共计算机课程教学急需改革。结合我院改革实践,对课程设置、教学模式、教学手段、考试方式及师资队伍建设等方面进行了探讨。

翻转课堂教学模式在计算机基础课程教学中的研究与实践

简单介绍了翻转课堂教学模式,分析了大学计算机基础课程的教学现状,探索了大学计算机基础课程的翻转课堂教学模式。详细阐述了在计算机基础课程教学中使用翻转课堂教学模式进行的教学实践。

关于高校非计算机专业计算机教学改革的思考

计算机技术是现代信息科学技术的基础，随着计算机技术的飞速发展，计算机已被广泛应用干社会的各个领域，对人类社会的进步与发展产生了重大而深远的影响。社会的变化对高校计算机基础教育也提出了新的挑战和要求。为此，高校要充分研究大学生的现状，变“必修”为“选修”

公共计算机应用基础实验教学改革研究

高等院校大学生计算机实践能力的提高是当前教学改革的热点,本文通过分析当前计算机应用基础实验教学的现状和存在问题,结合我校教学改革进程,提出"分学科、分层次",以教师为主导,学生为主体,课内与课外实践活动相结合的实验教学模式。实践证明,该教学模式能够培养学生的动手能力,逐步提高学生解决问题的能力。

非计算机专业计算机基础课程教学改革的探讨与实践

该文分析了目前计算机基础课程教学存在的问题,结合安阳师范学院实际情况,对计算机基础课程的教学内容、教学体系、教学方法、实践教学、评价体系等方面进行了探讨和实践。

关于计算机基础教学模式改革的几点看法

对于当前计算机基础教学中存在的问题,提出并分析了关于教学大纲、教学手段和考试手段的改革措施。教学大纲的改革具有统领性,可从宏观角度指导教学;教学手段的多样化可以有效沟通教学情况,提升教学效果;最后论述了基础教学的考核模式改革,需重视操作技能考核。

高校艺术类专业公共计算机基础教学的思考与探索

结合教学实际,根据高校艺术类专业的特点,分析探讨了公共计算机基础教学的思路和方法。

谈高校计算机教学的改革

本文在分析和研究高校计算机课程特点的基础上,从理论与实践相结合的高度,对高校公共计算机课程的教学改革提出了一些可资借鉴的意见.

计算机基础实验教学改革的探索与实践

本文结合安阳师范学院信息技术基础实验教学示范中心的工作,阐述了计算机实验教学对构建以能力培养为核心的实验教学体系、实验教学内容、实验教学模式、创新实验等问题进行了分析,提出了解决方案。

线上线下混合式大学计算机基础“金课”教学模式研究

大学计算机基础是高校非计算机专业学生必修的一门公共基础课,针对现阶段授课方式中存在的师生互动少、教学过程缺乏、课程要求不严等问题,对照"金课"评价标准,提出包括课前自主学习、课中互动教学、课后巩固学习三个阶段的线上线下混合式教学设计策略,提高教学质量,进而实现打造"金课"的建设目标。

基于WEB的计算机基础考试系统的研究与实现

本文对基于WEB的计算机基础考试系统进行了研究,并提出了一套完整的含多种题型并基于WEB的考试实现方案。文中详细地论述了试题管理子系统、组卷子系统、考生答卷子系统、评分子系统等各个考试环节中的关键技术实现,对试题进行不同存储,采用内外评分方式,解决了主观题阅卷困难的问题。

云计算环境下虚拟机动态部署研究

针对云计算环境下的虚拟机动态部署问题,提出了综合考虑系统负载均衡和宿主机利用率的虚拟机动态部署方法;首先,建立了云计算环境下虚拟机的部署模型,然后采用加权预测法预测宿主机的负载并采用阈值进行筛选,对通过阀值筛选的宿主机计算其与用户任务需求向量之间的距离,以选取目标宿主机进行虚拟机部署,对未通过筛选的宿主机进行虚拟机迁移以实现负载均衡和提高宿主机利用率;实验结果表明,文中方法有效地解决了云计算环境下虚拟机动态部署问题,负载离差最大值仅为0.0031,较其它方法能较大幅度地提高宿主机的利用率和实现系统负载均衡,具有很强的可行性。

云计算环境下混合多样木马群检测技术仿真

提出基于粒子辨别树联合算法的云计算环境下混合多样木马群检测方法.对云计算环境下的木马进行有效的分类处理,根据分类结果构建关联粒子入侵辨别树,利用攻击特征更新理论和更新后密度分布理论完成云计算环境下混合多样木马群的检测.实验结果表明,利用该算法进行云计算环境下混合多样木马群检测,能够有效提高检测效率,降低漏检率.

神经网络在信息安全风险评估中应用研究

针对信息安全风险评估具有非线性、不确定性等特点,采用传统的数学模型进行信息安全的风险评估存在一定的局限性。为了提高安全风险评估性能,将RBF神经网络理论、粒子群算法分析以及模糊评价法进行有机结合,建立了一种粒子群优化的RBF神经网络信息安全风险评估模型。首先通过模糊系统对信息安全风险因素指标进行量化,将模糊系统的输出输入到RBF神经网络的模型中,然后利用粒子群算法对RBF神经网络的参数进行优化并加以训练,最后得到优化评估模型。进行仿真的结果表明,改进的RBF神经网络模型可实现对信息系统的风险评估,解决了传统评估方法所存在的主观随意性大、结论模糊等缺陷,并且比RBF神经网络具有更高的拟合精度、更强的学习能力和更快的收敛速度。

模糊神经网络在水质评价中的研究

研究水质评价问题,针对水环境保护和治理,由于水质类型和分级标准存在着模糊性,水质因子与水质类型间存在非线性关系,无法建立传统精确的数学模型。为了提高水质评价的准确性,提出模糊BP神经神经网络水质评价模型。利用模糊理论相对隶属度能反映各因子的质量相对状态,对模糊性具有很强的识别精度,可将水质因子模糊隶属度矩阵输入到BP神经网络中,通过非线性分析处理的BP神经网络进行学习和测试,得到输出水质评价等级。实验结果表明,模糊神经网络较传统的水质评价方法具有较高的识别精度,提高水质评价等级的准确性,使评价的结果更具有科学性。

基于简化的质点-弹簧模型织物变形仿真研究

研究织物变形特定性优化问题,针对织物形状动态改变提出了一种基于物理模型方法仿真织物变形,对织物采用质点-弹簧模型进行建模,解决织物变形在实际中的真实特用性,对质点-弹簧模型作了简化,即在模型中减少一部分剪切弹簧。在求解模型中,采用简单的显式欧拉积分法来求解织物的变形方程。同时对织物与环境之间进行了碰撞检测与处理。仿真结果表明,设计的模型稳定性和实时性好,为实际实现提供了参考。

多尺度特征和神经网络相融合的手写体数字识别

针对传统特征提取方法无法有效解决书写随意性的干扰问题,提出了一种多尺度特征和神经网络相融合的手写体数字识别方法。首先提取手写体数字二值图像的轮廓、笔画次序等结构特征,并旋转坐标轴,提取多角度结构特征;然后将字符从中心点到外边框划分为K层矩形子层,提取每层图像的灰度特征,最后以两种多尺度特征构建神经网络模型,并预测测试集合样本。将该算法实际用于以MNIST字体库构建的两个数据集识别,其精度高达99.8%,并能有效降低倾斜等手写字体的随意性影响。

基于指纹识别的网络车辆防盗系统设计

传统的车辆防盗系统是基于PC平台,程序设计中无需考虑存储器的大小,但在嵌入式系统中程序存储空间小要对指纹算法进行改进与简化;提出一种基于串距离匹配算法识别的嵌入式指纹识别车辆防盗系统设计方法,使用改进的直方图均衡对图像进行滤波增强,通过串距离匹配法进行指纹匹配,基于单片机与DSP双处理器构建算法的嵌入式系统,信号通过指纹识别网络进行远程实时监控与报警;系统测试中,远程传输的数据丢包率保持在0.012以内,指纹识别的准确率高达94.2%,具有很强的实用价值。

基于通信网络算法在水下通信中仿真研究

研究通信网络在水下通信效率优化问题,由于海洋的复杂环境、水声不稳定以及水声受到介质噪声的干扰,造成水下通信率低。为了解决上述问题,建立了一种H∞滤波器节点移动预测算法的资源预留机制,为节点在水声网络中提供基于移动IP的QoS保障。根据移动节点的移动方向判断其即将加入的子网,在子网中提前预留资源,其它子网不再为移动节点提前预留资源,从而节约水声无线通信网络有限的带宽、能量等资源,并进行仿真。仿真结果表明,改进的方法能够为水声网络提供较高的资源利用率,在时延、吞吐量等方面提供有效保障。

建筑施工项目安全预警系统的仿真研究

研究建筑施工项目安全风险准确评估问题,由于系统存在非线性因素,构建模型较困难。传统评估方法需要样本数目大,而建筑施工项目安全风险是一种典型的小样本数据,导致传统方法的评估精度低。为提高建筑施工项目安全风险评估精度,利用支持向量机专门针对小样本数据建模的优点,提出一种粒子群算法优化支持向量机的建筑施工项目安全预警系统(PSO-SVM)。首先采用建筑施工项目安全风险评估正确率作为建模目标,评价指标确定评估模型结构,然后采用粒子群算法优化支持向量机建立评估模型,以克服传统评估方法存的缺陷,以解决建筑施工项目安全风险评估精度的难题。仿真结果表明,相对于神经网络,PSO-SVM提高了风险评估精度,在建筑施工项目管理具有一定的实际应用价值。