高校学生日常管理工作信息化建设探索——以河南工学院计算机科学与技术学院为例

近年来,随着我国对教育事业的不断重视,高等教育事业取得了飞速发展。据统计,自2017年以来,我国全国各类高等院校录取人数均超过800万人。学生生源的增加对高校的日常管理提出了新的挑战。信息化的飞速发展则为这个问题的解决带来了新思路,合理地使用信息化手段可以大大地缓解高校师生配比、学生自治等问题的压力。本文以河南工学院计算机学院依托信息化平台加强对学生日常管理为实例,对高校学生日常管理工作信息化进行探索。

数据库原理及应用课程思政建设的探索与实践——以河南工学院为例

课程思政是落实立德树人任务,构建三全育人格局的重要举措。该文以数据库原理及应用课程为例,结合职业教育特点,从课程内容渗透、教学案例融入、混合式教学助推、教学评价体现等方面着手,进行了课程思政建设的探索与实践,实现了从专业知识传授、能力培养延伸到价值塑造,达到了“润物细无声”的效果。

大数据技术在计算机网络信息管理中的应用研究

在计算机网络信息管理中,大数据技术有着十分广阔的应用前景,并逐渐转变成社会发展中的一大主流。依托大数据技术的一系列优势特征,不仅可提升计算机网络信息管理质量、效率,还可提升其技术水平。因此,文章主要阐述了大数据技术的内涵特征及其核心技术,然后分析了计算机网络信息管理中存在的主要问题,最后探讨了大数据技术在计算机网络信息管理中的应用实践。

以需求为导向的《计算机网络》课程创新融合教学改革与研究

本文通过对《计算机网络》课程教学中出现典型问题的分析,从教学目标、教学内容、教学方法和考核方式等4个方面展开教学改革。以应用需求为导向,对《计算机网络》课程教学起到了积极作用,有培育和应用价值。在课程实验教学部分,使用模拟仿真软件降低成本且易操作,强化学生对网络知识的理解与实践能力,大大提高了整体教学效果。

金课背景下“计算机网络”课程教学改革与探索

“计算机网络”课程中协议多、概念抽象、原理复杂,传统教学模式不能调动学生主动性和积极性。为响应教育部消灭“水课”、打造“金课”、提高教学质量的号召,根据“两性一度”标准,利用先进信息化技术、创新教学方法和手段,探索打造高阶性、创新性、挑战度的“计算机网络”“金课”的教学改革。

工程教育背景下数据科学与大数据技术专业课程体系设计

工程教育专业认证是国际通行的工程教育质量保证制度,也是实现工程教育和工程师资格国际互认的重要基础。文章以河南工学院数据科学与大数据技术专业为例,探讨了基于工程专业认证标准,从培养目标到课程体系建设的专业改革探索,实现了工程教育认证背景下才培养的创新发展,对培养符合国际工程教育认证标准要求的工程应用型人才具有重要意义。

物联网环境下混合式教学研究——以网络综合布线技术课程为例

网络综合布线技术是建筑智能化专业的一门核心课程,传统的教学模式存在诸多问题,线上线下混合式教学作为一种全新的教学模式,应用到该课程中能够发挥更好的效果。该文通过分析物联网环境下综合布线课程的特点,对网络综合布线技术课程教学改革必要性进行分析。结合河南工学院建筑专业学生的特点,对新型教学模式提出一些设计思路和实施方法,旨在能够提升高校网络综合布线技术课程教学质量。

基于Spark大数据计算模型的遗传算法深度前馈神经网络训练算法

新兴的Spark大数据并行计算模型为实现遗传算法深度前馈神经网络数据并行训练提供了一个可能的选择。但是,Spark模型有其特有的数据编码规则和转换规则,目前尚无成熟方法在该模型上实现GADFNN训练。为此,研究了Spark模型的数据编码和转换规则与GADFNN训练的内在关系,提出一个基于Spark模型的GADFNN训练算法——Spark-GADFNN。实验表明,提出的Spark-GADFNN训练算法在中、大规模数据集上,训练时间分别缩短为传统算法的18.18%和16.67%。

基于Spark模型的路段行车时间计算方法

近年来,高清摄像头广泛应用于城市交通系统,产生了大量交通卡口过车数据集。该数据集为路段行车时间计算提供了一个良好的数据源。但是,由于该数据集规模较大,现有算法通常采用MapReduce大数据并行模型进行计算以提高效率。然而,现有基于MapReduce模型的路段行车时间计算方法采用两作业迭代完成,两作业之间存在涉及大规模磁盘数据存储,额外消耗了时间,导致性能下降。为此,文章提出一种基于Spark大数据模型的路段行车时间Spark-CoRLTT计算方法,该方法通过1次作业完成计算,避免了额外磁盘数据存储,节约了计算时间。实验证明,文章提出的算法在数据规模较大的情况下,计算性能显著提升。

链路失衡干扰下网络流量异常点挖掘仿真

网络数据中心流量的异常会占用大量的带宽资源,且数据流量具有多样化特征,尤其当网络链路流量失衡时,通过部署监测软件获取的节点信息已经无法实时监控流量状态。为此提出链路失衡干扰下网络流量异常点挖掘方法。利用卷积神经网络自编码器对网络流量去噪,有效控制链路失衡对流量数据挖掘的影响。通过对比正常流量点与异常流量点提取网络流量特征,结合马氏距离到改进的自编码神经网络系统中挖掘网络流量异常点。实验结果表明,研究方法的网络流量异常点挖掘准确率可稳定在90%以上,F1值始终高于0.8,误报率不高于0.5%。

基于Xception和迁移学习的图像分类研究

卷积神经网络CNN在图像处理中应用非常广泛,通过CNN在ImageNet数据集上训练出了AlexNet、VGGNet、ResNet和Xception等经典深度学习模型。通过迁移学习将Xception模型作为预训练模型,使用Xception模型的卷积基对Kaggle平台上的猫狗数据集进行特征提取,并对Xception模型进行微调,采用TensorFlow框架实现了猫狗图像的准确识别。

基于机器空隙的自适应改进金枪鱼群算法在生产排程调度中的研究

智能制造生产方式逐渐成为产业发展的主流趋势,文章着眼于当下制造业生产中存在的排程调度不准确问题,提出了一种基于机器空隙的自适应改进金枪鱼群算法(Tuna Swarm Optimization Algorithm Based on Machine Gap,TSOAMG)。文章提出基于空隙的工序机器选择方法,采用混沌映射初始化阵列,设计自适应阵列算子以选择不同的更新策略。为提高种群中的解的质量,将排斥浓度与适应度按一定比例结合,评价该解在种群中的优异度,并融入Levy飞行策略。模型中构建三种不同类型的邻域搜索结构NS1、NS2、NS3,用于增强算法的邻域探索能力,使其能够更为灵活地遍历搜索空间。最终,通过对排程经典案例的实验验证,证明了TSOAMG算法在排程结果和收敛性优于当下5种其他的流行算法,为传统制造业解决排程调度问题提供了解决方案。

GOP-MRPGA:基于MapReduce大数据计算模型的遗传算子前置并行遗传算法

提出了一种新的基于MapReduce大数据计算模型的PGA,该算法将遗传算子计算从Reduce阶段提前到Map阶段,从而获得了更好的并行度。通过四组实验验证了提出算法的性能,实验结果表明,提出的算法具有较高的计算效率。

局部数据位置感知的云计算工作流调度优化

针对高性能计算(High Performance Computing, HPC)云环境中数据密集型工作流的调度效率较低问题,提出一种基于局部数据位置感知资源管理的调度方法,以网络宽带为载体将数据位置和数据传输时间应用于工作流任务调度中,同时平衡节点级任务的资源使用性和并行性,设计与局部性数据布局和传输相关的工作流模型,采用虚拟机(VirtualMachine,VM)并行处理数据流任务。利用云环境特有的公平性准则,通过实验验证了所提方法可以在提高资源利用率的同时,大幅度改善工作流的调度效率。

新时代城市社区党组织建设存在的主要问题及对策——以河南省新乡市红旗区为例

新时代背景下,随着城市建设和管理重心的下移,基层社会及其原本固有的结构状态已然发生变化,党组织建设也随之发生变化。本文以河南省新乡市红旗区街道社区为调查对象,来了解城市社区党组织建设的基本情况和主要成就,总结出新时代城市基层党组织建设面临的新挑战,以及城市社区党组织建设存在的主要问题。进而提出明确社区党组织和社区政权组织的职能和关系,优化组合党建工作载体以适应社区党建发展的新态势,以自身建设和社区文化建设推动党组织作用的有效发挥等对策。

基于“金课”的“信息处理技术”课程优化研究与实践--以“三式一化”教学和考核方式为例

基于教育部发布的关于本科教育的"意见"一文中"四个回归"及"消灭水课、打造金课"等的要求,针对"信息处理技术"在过往传统的教学过程中存在的问题,提出一种新的改革方法—"三式一化":教学模式、教学方式、考核方式和游戏化。以学生为中心,注重学生自主式学习能力的培养,采用线上线下的混合式教学,将课程思政、创新创业、计算机前沿技术融入其中。把整个教学过程和考核过程游戏化,让学生在玩的感觉中学到和掌握应该具备的知识和能力,既提高了学生的学习兴趣也提高了学习效率,从而满足新工科建设对教学的要求。

一流课程背景下的线上线下混合式教学探索——以“HCNA-云计算基础”课程为例

“HCNA-云计算基础”是物联网工程专业的一门专业基础课。文章介绍了课程的建设基础、建设内容以及课程的组织和实施过程,并探索了混合式教学中课程的评价方式。通过两年多的混合式教学实施,取得了一定的成效。

边缘计算系统中基于UCBM算法的缓存预取优化

针对终端设备产生的数据上传至云服务器会产生时间延迟的问题,提出了基于UCBM算法的缓存预取优化策略。根据用户的访问特征,通过贝叶斯网络和马尔可夫链对用户的下一步访问行为进行分类与预测,将目标文件提前从云端缓存预取到最近的边缘服务器,从而减少了时间延迟。实验结果表明,提出的优化策略明显提高了文件的预取精确率,最高为0.78;覆盖率也明显优于已有算法,最高达到0.73。

一种基于Q-Learning技术的水声网络协议

针对水声网络中信道时空变化的特点,提出了一种基于Q-Learning技术的高效水声网络协议。在该协议中,智能移动节点能够利用增强学习算法,自适应规划路径。仿真表明,该协议在能耗、端到端延迟等方面均取得较好性能。

基于灵敏度计算和多维泰勒网的随机时变非线性系统辨识

针对随机时变非线性系统的建模问题,提出一种基于最优结构多维泰勒网的辨识策略。首先将多维泰勒网权值作为时变参数,由寻求最优步长的增量梯度法进行训练以响应系统输入-输出的快速变化;然后为满足高实时性要求,利用改进的灵敏度计算方法剪除网络冗余输入变量和中间节点,实现最佳的泛化能力;最后用算例仿真结果验证了方案的有效性。