体育院校以计算思维为导向的计算机基础课程改革研究

计算机基础课程是计算机科学与相关专业之间连接的纽带,在体育院校计算机基础课程教学中,融入计算思维的概念,对于学生运用计算思维来解决体育学科中遇到的问题具有十分重要的意义。该文在对当前体育院校计算机基础教学存在问题进行分析的基础上,探讨了在计算机基础教学中如何融入计算思维,提出需重新设计教学内容框架,改革教学方式,并给出了具体的可操作模式,具有一定的实用价值。

信息技术与教育的深度融合研究

信息技术与教学的深度融合成为实现教育现代化的一个有效的突破口,这对于启发教师转变传统教学模式,更好地融合信息技术进行有效的课堂教学有一定的借鉴意义。该文对当前高等院校在信息技术与教育融合方面存在的突出问题进行了深入调研,详细剖析了当前信息技术与教学的深度融合方面存在问题的根本原因,并提出了相应的解决办法,以期为高等教育信息化建设添砖加瓦。

模糊LS-SVM在加速度传感器动态补偿中的应用

提出一种基于模糊LS-SVM传感器的非线性动态误差补偿器设计措施,在传感器与参考模型对输入激励响应的实测数据基础上,运用模糊LS-SVM回归算法构造补偿器,减小微硅加速度传感器因带宽有限引起的动态测量误差。既克服人工神经网络非线性动态补偿过程中易出现的局部极小问题,又减小在标准LS-SVM中一些非主要数据对模型精度的影响,在测试领域中有较好的应用前景。

基于半监督聚类的免疫入侵检测算法研究

传统的基于免疫的入侵检测系统需要足够的标记数据才能够生成具有良好泛化性能的抗体,而网络环境中获得充足的标记数据是困难的。为克服这一难题,对无监督聚类技术及免疫方法进行深入研究,并将二者结合起来,提出一种半监督的免疫入侵检测算法SCIID(Semi-supervised cluster based Immune Intrusion Detection)。在抗体产生阶段通过对自我样本进行聚类,大大缩短了阴性选择的时间;在入侵检测阶段采用聚类技术可快速获取未标记数据的类别,进而指导后续的学习过程,达到提高检测率的目的。仿真结果表明,该算法在仅有少量标记数据的情况下,可以获得大部分未标记数据的类别,而且能发现新的攻击类型,同等训练样例数目条件下检测率高于单纯基于免疫的方法。

基于子段分割的人脸识别方法

针对视频序列中人脸识别效率低、扩展性差的缺陷,提出一种基于子段分割的人脸识别方法。以任务需求为牵引,将识别系统划分为前端处理子段和功能实现子段。前端处理子段实现目标行人的检测、跟踪以及特征提取;功能实现子段主要实现特征匹配及人脸识别任务。采用蝙蝠优化算法对前端处理单元进行负载均衡优化,平衡各子单元的处理时间和视频任务分配,优化CPU的利用率,降低硬件系统成本。实验结果表明,所提方法在保证人脸识别精度的同时,提升了系统的识别效率,增强了系统的扩展性能,CPU占用率改善了49.5%。

构建基于工学结合的实践教学体系研究

加强对实践性教学体系的构建和管理,是实施工学结合人才培养模式的关键环节。文章结合我院计算机网络技术专业的实践教学改革,探讨了高职实践教学体系的构建。

基于MOOC平台的混合式教学模式设计

随着MOOC平台的大规模应用,各高校都建设了大量的课程资源,但是在现有教学模式指导下,并不能为教学一线的师生提供有效的指导,因此,研究有效的教学模式非常必要。笔者针对MOOC平台下如何进行课程改革进行研究,深入探讨了混合式教学模式在《大学计算机基础》课程教学中的实际应用,设计了具体的方案并组织实施,从反馈结果看,这种教学模式可以充分激发学生学习兴趣,提高教学有效性。

抗干扰词攻击的免疫垃圾邮件过滤模型

针对当前基于人工免疫技术的垃圾邮件过滤算法中很少考虑干扰词攻击的情况,提出了一种抗干扰词攻击的免疫垃圾邮件过滤模型训练算法ANWAIS。该算法在基因库生成阶段,采用互信息差值作为评估函数,可以过滤掉垃圾邮件中的好词和正常邮件中的垃圾词,从而使基因库更能反映垃圾邮件的特征;同时,在抗体更新阶段,通过维护丢弃词表,可保证基因库的纯洁性。仿真实验表明,该算法能够比未考虑干扰词攻击的垃圾邮件过滤算法获得更好的抗体质量和更优的分类性能。

高校数字化校园建设存在的问题及对策研究——以郑大体院为例

目前,教育信息化、数字化程度已经成为衡量高等院校综合实力和发展水平的重要指标,但是随着数字化校园建设的逐步深入,暴露出许多问题。文章在深入剖析当前各高校数字化校园建设过程中普遍存在问题的基础上,针对某院的实际现状,给出了相应的对策及思路,对于今后建设标准化数字校园具有一定的指导作用。

人工免疫系统中参数对算法性能的影响分析

基于动态人工免疫的邮件分类算法中不同的参数取值对算法分类性能有不同的影响,通过AISEC和DAICA模型分析,便于选取最合适的参数,从而可以达到较好的分类效果。

仿真实现调整离群点提高分类器分类效率的算法

该文提出删除离群点。然后在训练集上重新建立分类模型,对相应检验集进行分类。该文用调整的10-折交叉验证评估分类器的分类准确率。在UCI机器学习数据库的多个数据集上的实验结果表明,C4.5、5-NN、Backpropagation等多个经典分类算法的分类准确率都有所提高;且在这些数据集上,这些分类器的平均分类准确率都有显著提高。

基于虚拟化技术的数字校园建设研究

随着高校应用系统的不断增多,需要的服务器数量也越来越多,这就带来了服务器管理复杂、资源利用率低等问题。在研究了大量服务器虚拟化部署方案之后,结合我院服务器应用现状,为我院制定了一套服务器整合方案并实施。实践表明,虚拟化能够提高物理服务器和存储设备的利用率,节约硬件成本,方便管理、维护与升级。

广义非局部均值算法的图像去噪

NLM(non-local means)滤波成为图像去噪关注的热点。该方法利用在图像中的结构特征冗余,对消除白噪声的效果较好,但对有色噪声效果不理想。对其作了改进,引入广义高斯分布模型以及马氏距离来取代欧氏距离,并且将其推广到图像序列的去噪领域中。结果表明,相较于NLM方法,该方法能够较好地抑制有色噪声,明显地改善了去除噪声效果,在保留图像纹理边缘的同时,有效地去除了图像中的噪声信息。

基于危险理论的动态垃圾邮件过滤模型

基于危险理论,建立了一个垃圾邮件过滤模型DTDEF,对过滤垃圾邮件具有一定的动态性、学习的自适应性和分类的有效性,给出了该模型的基本架构及其具体实现算法,并通过与Bayes算法比较,表明该模型相对Bayes方法在邮件过滤时具有更好的动态性和有效性。