高校智慧校园的建设:技术、内容和服务——以郑州轻工业大学为例

智慧校园既是教育信息化发展的新阶段,也是校园信息化建设的理想目标.基于此,文章首先介绍了高校智慧校园建设的关键技术;随后,文章以郑州轻工业大学为例,从建设架构、管理机制、协作共建等角度,探讨了高校智慧校园建设的内容;最后,文章具体分析了高校智慧校园建设在"四维"教学、业务协同、管理决策等方面提供的智慧服务.从技术、内容和服务三个维度建设高校智慧校园,在一定程度上推动了高校智慧校园建设的进程,可为高校智慧校园建设模式的发展提供参考.

部分负荷工况下双螺杆制冷压缩机转子轴向受力试验研究

为了提高双螺杆压缩机运行的可靠性,对部分负荷工况下转子轴向受力进行了试验研究,测量了部分负荷下压缩机转子齿槽内气体压力的变化趋势以及转子轴向受力的变化特性,并根据转子轴向受力组成,分别得到了气体轴向力和端面轴向力对转子轴向受力的影响。研究结果表明:随着负荷降低,由于转子工作过程压缩段长度的减小,转子轴向受力呈现出不断减小的趋势;在转子受力组成中,端面轴向力约为气体轴向力的1.5倍,因此,在压缩机设计阶段要充分考虑端面轴向力的影响。

双螺杆制冷压缩机转子轴心轨迹波动特性试验研究

随着制冷系统的不断发展,双螺杆制冷压缩机作为系统的核心部件,其运行压力也越来越高,使得滑动轴承的应用也越来越广泛,以承受不断增大的转子径向力,而转子轴心轨迹是滑动轴承工作状态的综合反映。本文通过搭建双螺杆制冷压缩机转子轴心轨迹测试系统,对不同工况以及内容积比下的轴心轨迹进行了试验研究。研究结果表明:与滚动转子压缩机、离心压缩机等旋转机械不同,双螺杆压缩机的转子轴心轨迹大致呈椭圆形,且每个运行周期中还存在若干波动,这些波动的数目对应于压缩机的阴转子齿数,即转子径向动载荷的波动频率。

双螺杆制冷压缩机转子轴向受力实验研究

为了提高双螺杆压缩机运行的可靠性,本文针对双螺杆制冷压缩机转子轴向力进行了实验研究。研究了不同运行工况(35℃/0℃、30℃/-15℃、40℃/-40℃)以及内容积比(2.6、3.2、4.0)下转子轴向力的大小以及变化趋势,使用均压模型以及扇形模型对转子端面轴向力进行了计算,并将计算的端面轴向力与实验数据进行对比。研究结果表明:相比于均压模型,扇形模型的端面轴向力计算结果更为准确,而均压模型适合于内容积比较大的工况范围;内容积比对轴向合力的影响主要集中在对转子端面轴向力,且端面轴向力要大于气体轴向力约50%。

SVR回归在成绩预测预警中的应用研究

在高校建设智慧校园趋势下,学业预警重要性逐渐增高。在学业预警中实现学生的成绩预测,能够为学生和教师提供可靠、先验的学习指引和决策依据。文章依据课程间的相关性,采用SVR(支持向量回归)进行成绩预测,并在预测基础上实现学业预警。同时对预测预警的学生进行问卷调研,对学生反馈意见进行文本分析。结果表明,考前的学业预测预警能够提高学生学习的积极性并对学习目标具有指引作用,能为教师教学提供参考依据。

基于学生成绩回归预测的多模型适用性对比研究

学生成绩预测是教育数据挖掘在教学实践中的一大重点,相比分类成绩预测的单一结果,回归成绩预测更能深化预测在教学实践中的意义。文章基于H2O框架下广义线性模型(GLM)、深度学习(DL)、梯度提升树(GBT)以及支持向量机(SVM)四种主流模型进行回归预测比较研究。从模型预测精度、预测结果对比、预测误差分析三个角度分析4种模型,在不同课程、不同课程属性下的适用性。结果表明,DL模型适用于专业课程,SVM模型适用于公共课程,回归模型的成绩预测受到离群数据影响较大,各模型对离群数据解释能力较弱。

基于FP-growth算法的课程关联性分析

随着大数据技术的不断发展,高校学生的成绩数据也随之增长,而如何利用高校课程成绩数据挖掘出有用的信息是高校面临的一个重大挑战。本文利用数据挖掘中的FP-growth算法,根据学生课程成绩找出课程间的关联规则,通过课程间的关联关系,不仅可以指导学生完成学业,还可以助力课程安排的先后顺序,进一步为高校教务管理人员开设课程提供合理的依据,使教务管理人员能够依据课程间的关联关系,结合实际情况,对课程进行合理调整并对学生进行重点培养与帮扶,学生也可根据课程间的关联关系,预测出可能存在问题的课程,进而采取补救措施,使学生顺利完成学业。

基于大数据的成绩可视化分析与研究

从海量的大数据中挖掘出潜在的有价值的信息并进行可视化分析已成为研究的热点。文章根据成绩大数据,从班级、课程等多维度进行成绩可视化分析,为教学管理者提供学生学习情况分析服务。经研究发现,成绩的可视化分析不仅能为管理者提供精准的教学支持,还能使学生及时发现学业问题。

动态视频多帧连续图像形变特征重构方法研究

为了提高图像的重构效果,提出一种动态视频多帧连续图像形变特征重构方法。首先采用帧差法对连续帧进行差分运算,将RGB图像转化为灰度图像后,将灰度差的绝对值与阈值采取比较,进而判定图像帧是背景点还是运动目标。然后对当前帧图像的RGB三个通道做差分与加权求和处理,采用卷积神经网络对视频的显著性进行检测。最后引入交替方向乘子算法解决低秩矩阵的极小化问题,通过辅助变量的引入,重构模型对应的增广拉格朗日函数形式,将重构问题转换成对低秩矩阵、特征信号和辅助变量的求解问题。实验结果表明,采用所提方法图像融合的性能评价指标较好,图像重构效果明显优于其它方法,视觉效果和图像的细节性能均有明显的改善。

基于大数据的学生成绩分析与研究

随着信息化技术的快速发展,大数据技术已深入教育行业,极大地推动了高校的教学和教务管理,如何从海量的教学数据中提取出有价值的信息已经成为相关学者研究的重点。笔者从某高校的成绩分析和学业预警系统中抽取出全校学生的学习成绩,通过统计分析学生的卷面成绩和总评成绩,了解全校学生的整体情况,研究成绩评价体系和关键指标,为学校下一步的课程制度建设提出建议。