基于大数据运用的“互联网+”协同育人平台探索——以广东省汕尾职业技术学院为例

为解决"互联网+"知识创新信息化时代,云计算大数据环境下电子商务、跨境电商人才培养滞后的问题,以汕尾职业技术学院为例,分析协同育人平台的需求、发展目标和具体建设思路。结果表明:我国高等职业院校协同其他科研机构、企业,合作共建基于大数据运用的"互联网+"协同育人平台,将有效地服务地方专业人才的培养。

信息化环境下培养师范生现代教育技术能力的分析

本文通过从培养学生现代教育技术理论应用能力和信息化教学技能两个方面进行分析,阐述了在信息化环境下,如何培养师范生的现代教育技术能力。

基于CDIO的云计算与大数据课程体系建设

云计算与大数据技术作为新一代信息产业技术代表,给IT界和教育界带来了更多的机遇与挑战。文章依据目前云计算与大数据课程体系的建设现状和该专业人才培养目标及未来可能从事的就业岗位分析,提出以工科思维对该课程体系的建设进行全面的探讨与改革,并以国外先进的CDIO教育理念为主线对本课程体系建设的思路、制定、实施及运作过程进行详细论述。

基于叠层循环神经网络的语义关系分类模型

基于循环神经网络结合句法结构的方法被广泛运用于关系分类,利用神经网络对输入的编码信息自动获取特征并实现关系分类;然而,目前已有的方法主要是基于单一特定句法结构的模型,而特定句法结构的模型不能够迁移到其他句法结构类型上。针对该问题,提出一种融合多句法结构的叠层循环神经网络模型。该叠层循环神经网络分为两层进行网络构建,首先在序列层进行实体预训练,通过Bi-LSTM-CRF融合attention机制,提高模型对文本序列上实体信息的关注度,从而获取更加准确的实体特征信息,促进关系层阶段更好地分类;其次在关系层,将Bi-Tree-LSTM嵌套在序列层之上,并将序列层的隐状态与实体特征信息传入关系层,利用共享参数对三种不同的句法结构进行加权学习,通过端到端的模型训练并实现语义关系分类。实验结果表明,该模型在SemEval-2010 Task8语料库上的marco-F1值达到了85.9%,并进一步地提升了模型的鲁棒性。

云计算与大数据体系下的审计模式转变

时下正在兴起的云计算与大数据技术给传统的审计技术和方法提供了新的发展方向,同时也对审计组织和审计人员提出了新的挑战。面对无规律的海量电子审计数据,如何才能快速准确地从这些数据中挖掘出有价值的信息是现代审计学重要的研究课题。本文依据上述情形提出了将此类数据交付于Hadoop系统进行并行化处理,以提高数据利用率和数据挖掘效率,更好地指导行业和被审计单位的经营和管理,提高审计服务工作效率。

高职院校计算机应用技术专业群建构与特色发展研究

随着职业教育改革的不断深化,高职院校专业群建设势在必行。以汕尾职业技术学院计算机应用技术专业群建构为例,重点阐述产教对接的组群逻辑,介绍了如何将专业群建在产业链上,创新教育组织形态建立跨学科跨专业的产学研组织,对现有的教学组织进行整合和重构。构建校企命运共同体,建设高水平专业群,培养适应产业需求的复合型技术技能人才,形成人才培养新特色。

基于大数据技术的房价数据采集及可视化分析应用

在"房住不炒"定位下,住房选购成了广大市民比较关心的问题。把大数据分析技术引入到房价分析,利用Scrapy爬虫框架对广州房价线上数据的爬取,经清洗和可视化,把影响房价的要素以可视化的形式予以呈现。与传统方法相比,大数据分析技术在数据采集及可视化分析应用方面优势明显。

基于贝叶斯分类算法的用户评论数据挖掘系统设计

随着人工智能和大数据的蓬勃发展,传统的现场购物的方式已经被颠覆,电子购物逐渐成为人们生活不可或缺的一部分。电子购物不仅方便了消费者,而且电商平台也可以获得海量的非结构化文本数据,如商品描述、用户评论、用户咨询等,进而实现商品优化。但是电商平台所获得的信息繁冗复杂,数据量大且夹杂大量无效信息,如何从其中高效提取有效信息成为电商平台发展的掣肘所在。基于这一关键问题,一种全新的数据挖掘系统被提出。以某知化妆品为案例,通过Python爬取其购物评论,利用WordCloud制作词云,从词云图捕捉客户对商品的满意度以及客户对商品的主要关注点。随后基于朴素贝叶斯分类算法对评论进行类别训练,并提取好差评评论中的敏感词汇,进而找到商品改进的突破点。

高职学院《中小学信息技术教材教法》课程教学模式的探究

针对高职学院现代教育技术专业的学生,从分发任务学生调研,深入理解教材;教师讲解教法,观看优秀教学视频;师生角色互换,培养学生的教学技能;师生课堂探讨,提升学生课堂管理的能力以及请优秀中小学信息技术教师介绍经验五个方面入手,进行《中小学信息技术教材教法》课程教学模式的探究。以让教师更好的完成这门课程的教学,同时学生能够掌握中小学信息技术教学的方法,培养信息技术教学的能力,达到教学的最优化。

基于MapReduce架构的并行矩阵Apriori算法

传统数据挖掘关联规则Apriori算法直接移植到云计算平台,数据挖掘效率虽然有了数量级的提升,但由于需要频繁地扫描事务数据库,增加了系统I/O、内存和通信的开销。提出一种基于矩阵的并行关联规则算法Apriori_MMR。该算法结合数据划分的思想进行并行化改进,简化了生成候选项的连接步骤,仅需对事务数据库扫描两次,同时在计算过程中还能对事务进行压缩,从而进一步提高了算法的性能。通过两种算法在不同数据规模下算法性能的对比分析实验和两种算法在相同数据集不同节点数的对比实验,共同验证了Apriori_MMR的运算效率至少要比Apriori_MR高出两倍左右,且设置的支持度阈值越小,效果愈明显。

Spark平台的分布式阶段自适应关联规则挖掘算法

为满足日益增长的海量数据挖掘需求,迫切需要设计一种能够在多台机器上运行的分布式关联规则挖掘算法。Apriori这种高度迭代算法在Hadoop平台上运行时每次迭代执行大量的磁盘I/O操作,大大影响并限制了算法的运行效率。本文利用Spark对分布式计算内置支持的特点,在Spark平台上设计并实现一种分布式关联规则挖掘算法,称为阶段式自适应挖掘算法(Staged Adaptive Apriori)。算法使用自适应的数据集部分处理的策略对频繁项集进行高效挖掘,在每次迭代前初步评估执行时间,并采用较为合适的方法来减少时间和空间的复杂性,是一种基于数据集性质的自适应关联规则挖掘算法。实验结果表明了算法的有效性。

多维数据K-means谱聚类算法改进研究

针对传统K-means算法不能自动确定初始聚类数目k和谱聚类算法对参数敏感的问题,提出了一种基于谱聚类的K-means(PK-means)算法。该算法在对k值选取时进行了创新改进,将计算所得的高密度数据点按规律排序,选择密度点前96%的进行聚类,可以以较高的准确率取得聚类数目k,同时采用了不受参数影响且稳定性更高的基于谱聚类模糊的相似性度量方法,利用FCM算法求隶属度矩阵确定数据点间的相似性。应用PK-means算法、K均值算法与密度敏感的谱聚类算法(DSSC)进行了多维非线性数据处理的测试实验。实验结果表明,无论是对于低维数据集还是高维数据集,K-means算法的处理效率是最低的,DSSC算法稍好,而PK-means算法优势明显,其相比传统聚类算法具有更高的聚类精度和更强的鲁棒性,且维数越高,聚类性能表现越突出。

基于卷积神经网络的人脸识别算法

传统的人脸识别技术对人脸图像特征的提取及分类器选择均较为复杂,且识别率也不高,随着卷积神经网络从手写数字识别到人脸识别的技术不断成熟,提出了一种利用Python+Keras框架测试CNN的人脸识别算法。该方法主要涉及两方面,一是通过改变隐藏层神经元数量查看对网络的影响;另一个是通过改变卷积层1和卷积层2特征图数量查看对网络的影响。通过多组实验测试得到最佳的CNN模型为36-76-1024,该模型可以自动提取人脸图像特征并分类,使用adam优化器和softmax分类器进行人脸识别可以让训练更快收敛和更有效提高准确率,并利用Dropout方法避免过拟合。实验结果表明,CNN模型在olivettifaces人脸库上的识别率达到了97.5%,当采用最佳CNN模型时平均识别率接近100%,从而验证了该算法及模型的有效性及准确性。

广东省高职院校云计算与大数据专业人才培养需求刍议

针对目前我国云计算和大数据时代的人才培养与市场需求存在着诸多不合理之处,调整职业教育规划以适应新时代产业的发展乃当务之急。该论文重点从人才需求方面、人才培养方面、职业教育方面和政府对产业扶持方面进行多角度深层次分析,总结出在广东省各高职院校中开展云计算和大数据专业人才培养是非常有必要的。

Bergman型空间的Littlewood-Paley型定理

在Hardy空间上有Littlewood-Paley g-函数刻画已被人们熟知,本文证明在Bergman型空间上也有Littlewood-Paley g-函数刻画。

基于MapReduce的Apriori算法并行化研究

针对目前传统的Apriori算法对硬件要求较高且运算效率低下的情形,提出将经典的数据挖掘关联规则算法Apriori移植到云计算平台,并结合Map Reduce机制进行海量数据挖掘,有效地解决了传统Apriori算法存在的瓶颈问题以及对硬件要求高的依赖。通过数据和节点对比实验共同验证了移植后的Apriori算法的运算效率比传统的Apriori算法提高了许多倍,且随着数据量和节点数的增加效果愈发明显。由于改良后的Apriori算法具有高效性和可行性,这将为解决当前大数据挖掘问题提供了一种全新的、有效的解决方案,并且这一结论还可为其他数据挖掘算法的移植提供可靠的参考。

高职高专院校计算机数学课程教学改革策略

本文分析了当前高职高专院校的《计算机数学》课程存在的一些问题:教学内容和计算机类专业的相关性不高;教学模式僵化,忽视实践应用;学生基础差,学习动力不足;师资落后,教师知识面狭窄;考核评价机制不科学。针对这些问题,本文探讨了要如何进行教学改革:整合课程,完善教学内容;改革教学模式,培养学生实践能力;采用多种手段,增加学生学习动力;加强师资建设,扩展教师知识面;改革考核评价机制,重视实践环节。

高职院校数学教育专业《空间解析几何》教学改革策略

本文分析了当前高职院校数学教育专业的《空间解析几何》课程在教学中存在的一些问题:课程理论性强,学生缺乏学习兴趣;课时总量少,课程内容多;教学方式不合理;教师授课忽视学生个体差异。针对存在的这些问题,本文探讨了要如何进行教学改革,提出了一些策略:穿插数学史及数学故事激发学生学习兴趣;根据学生兴趣培养定位,优化教学内容;兼顾传统教学手段,合理使用多媒体技术;重视学生的个体差异,实施分层教育。

基于MQHOA优化算法的采样粒子数量变化研究

在多尺度量子谐振子算法(MQHOA)的优化迭代过程中,采样粒子数量的多少对算法求解成功率和计算效能有重要影响。以基准测试函数在2维和多维状态下分别进行研究,找寻不同函数对应的最佳粒子数。研究发现,结构复杂度较高的目标函数需要较大的采样粒子数进行求解,而相对简单的单峰凸函数所需采样粒子数较小。最佳粒子数可以作为算法衡量目标函数结构复杂度的重要参考依据,针对不同的目标函数,采用相对应的最佳粒子数进行求解,能够以最小的计算代价获取最佳的求解效果。

C语言中的变量在内存中的存储情况探讨

C语言中变量在内存中的存储情况一直是C语言学习的重点和难点,这些变量都是存放在RAM中的可编程内存中。为了更清楚地了解各种变量的存储情况,具体讨论了RAM中可编程内存各个分区的特点和作用,根据C语言中各种变量的特性,得出各种变量在内存中相应的存储位置。