多维视角下创新与自主融合的高职Linux教学

针对Linux课程群在高职计算机类专业教学中存在的问题,阐述从学生、人才市场等多维角度审视推进Linux课程改革的方法,通过创新设计互动课堂情境,实践阶梯项目化驱动教学模式,注重心理引导,介绍适合高职学生的互动、活跃、快乐学习模式,指出该模式能激发学生的潜能和兴趣,较好地促进Linux课程质量提高。

基于CEPSO-LSSVM的煤炭消费量预测模型

二乘支持向量机(LSSVM)的煤炭消费量预测模型(CEPSO-LSSVM)。将LSSVM参数编码成粒子位置串,并根据煤炭消费量训练集的交叉验证误差最小作为参数优化目标,通过粒子间信息交流找到最优LSSVM参数,并引入"鲶鱼效应",保持粒子群的多样性,克服传统粒子群算法的局部最优,根据最优参数建立煤炭消费量预测模型,并采用实际煤炭消费量数据进行仿真测试。结果表明,相对于其他预测模型,CEPSO-LSSVM可以获得更优的LSSVM参数,提高了煤炭消费量预测精度,更加适用于复杂非线性的煤炭消费量预测。

基于HSDPA混合群集智能算法的多用户调度

传统的基于粒子群最优化的混合启发式算法和模拟退火算法往往以牺牲解的质量或者求解速度来实现有效的调度，为了解决这一问题，提出了一种基于高速下行分组接入（HSDPA）标准的混合群集智能算法。首先假定HSDPA标准所指定的是现实性不完善的信道状态信息（CSI）反馈，并以有限集合的形式存在于信道指示符（CQI）中；接着在最优化过程中，利用模拟退火算法和粒子群最优化算法各自的优点设计混合群集智能算法；最后利用混合算法进行数据处理，得到最优解的同时降低了复杂度，从而实现提升系统通量，达到调度最优化的目的。实验结果表明，与传统的基于粒子群最优化的算法相比，所提的混合算法取得了更好的调度效果。