新时期高校辅导员思想政治工作探究

高校学生是十分宝贵的人才资源,是民族的希望和祖国的未来。高校辅导员要充分认识加强思想政治工作的重要性和紧迫性,增强做好思想政治工作的积极性和创造性,着力研究高校学生思想动态,着力把握思想政治工作规律,着力创新思想政治工作方式方法,着力增强思想政治工作的吸引力、凝聚力和感染力,为高校学生健康成长、全面发展奠定坚实的基础。     

论网络环境下高校学生思想政治工作的转变

互联网的普及给高校学生思想政治教育工作带来新的机遇和挑战,高校的学生思想政治工作应根据新的网络环境及时进行相应转变.本文尝试从高校学生思想政治工作者的观念与自身素质、思想政治工作环境、指导原则、工作思路、具体方法等角度来分析这一深刻变化,并提出了相应的对策.     

新时期高校学生思想政治工作探析

经济全球化和我国社会主义市场经济的发展,高校学生思想政治工作面临新的情况、新的挑战.为此,高校要在"求实、创新"的基础上,明确目的,突出重点,充实新内容,探索新方法,努力提高高校学生思想政治工作的实效.     

对新时期高校学生思想政治工作的再认识

在当前高校学生思想政治工作开展过程之中不仅应当明确基本的思想和核心的理念,同时还应当对相关工作的重点和难点等进行系统性的分析,以更好的实现高校学生思想政治工作的改革与创新。文章将针对这一方面的内容展开论述,详细地分析了高校学生思想政治工作的基本现状,同时对工作的开展方向和今后的发展趋势等进行了集中性的分析,旨在以此为基础更好的实现相关事业的改革与发展。     

搞好高校学生思想政治工作的几点思考

高校学生思想政治工作是高校的重要工作,也是我党政治教育工作的组成部分.论述了高校学生思想政治工作必须服从和服务于"培养社会主义事业建设者和接班人"这个根本任务.用继承和发展的观点分析研究了高校的政治思想教育的具体内容.同时还必须加强政治思想教育队伍的建设,为高校学生思想政治教育提供组织保证.     

网络环境下的高校学生公寓思想政治工作刍议

网络的不断发展,既给高校学生公寓思想政治工作带来了新的机遇,也带来了新的挑战.这就要求思想政治工作者务必抓住时机,充分发挥网络技术优势,扬长避短,提升网络环境下高校学生公寓思想政治工作的针对性和实效性.     

大学生思政工作的难点与创新的研究

高校学生思想政治工作一直是全新的课题,随着社会主义市场经济的发展,高校学生思想政治工作又面临新的形势、新的问题和新的挑战。如何解决这些问题以及如何面对和适应这些挑战是高校思想政治教育工作者的任务。     

论学生宿舍公寓化后的思想政治工作

高校学生宿舍公寓化之后，对学生思想政治工作提出了新的问题。要引导大学生健康成长，必须加强高校学生公寓中的思想政治工作。笔者对此提出了一些可操作性的建议和措施。     

新形势下高校思想政治工作面临的挑战及对策

随着高等教育的发展 ,高校学生中出现了一些新的情况和问题 ,给高校思想政治工提出新的挑战。新形势下如何适应这一挑战 ,改进和加强高校学生思想政治工作 ,是迫切需要解决的问题。     

虚拟环境下的高校思想政治教育工作探究

网络信息技术的发展,对高校学生思想政治教育工作产生了巨大而深刻的影响,既给高校学生思想政治教育工作提供了新的机遇与发展空间,也带来了一系列的问题与挑战.本文首先分析了网络环境下高校学生思想政治教育工作面临的机遇和挑战,在此基础上提出了从转变工作观念和方式、构建网络教育平台、加强网络文化建设、重视网络道德教育、建立网络信息工作队伍等加强网络环境下高校学生思想政治教育.     

基于近似精度和条件信息熵的粗糙集不确定性度量方法

基于粗糙集理论的基本不确定性度量方法能够度量知识的不确定大小，却不能区分集合粒度划分大小，利用知识的信息熵，并结合粗糙集精度，定义了一种粗糙熵，用于度量粗糙集中的不确定性．证明了该粗糙熵随着划分粒度的变小而单调增加的性质．新的粗糙熵不仅能度量粗糙集的不确定区域大小而且可以度量划分的大小．算例证明了该方法的有效性．     

一种新的双论域上模糊粗糙集

粗糙集模型的推广一直是粗糙集理论研究的一个热点.该文基于模糊相容关系,定义了双论域上模糊集的上下近似算子,从而得到了一种新的双论域上模糊粗糙集模型,并研究了它的性质.     

基于可变精度粗集模型的增量式规则获取算法

为了获取最小决策规则集,当增加新样本时,传统的方法通常需要对决策表中所有数据重新计算,效率欠 佳.从可变精度粗集模型理论出发,讨论了新增记录与已有条件属性等价类的关系及对规则集的影响,在此基础 上提出了基于可变精度粗集模型的增量式规则获取算法.通过仿真实验表明,这种增量式算法是可行的.     

基于可变精度粗集模型的增量式规则获取算法

为了获取最小决策规则集，当增加新样本时，传统的方法通常需要对决策表中所有数据重新计算，效率欠佳。从可变精度粗集模型理论出发，讨论了新增记录与已有条件属性等价类的关系及对规则集的影响，在此基础上提出了基于可变精度粗集模型的增量式规则获取算法。通过仿真实验表明，这种增量式算法是可行的。     

K-最近邻的改进及其在文本分类中的应用

采用K近邻算法(Knearest neighbors,简称KNN)进行分类时,如果训练样本数量太大,那么搜索测试样本的K个最近邻时,算法的计算量很大.本文针对KNN的不足提出了一种改进方法.改进的KNN算法通过定义样本的延拓类和延拓能力,保留延拓能力强的样本作为它延拓类中其它训练样本的代表,来缩减训练样本数量,达到减少算法计算量的目的.实验证明,改进的KNN算法具有很好的性能.     

新型二元互补序列偶集的构造方法

提出了一种二元互补序列偶集的构造方法,并给出了相应的理论证明．通过实例表明利用该方法不仅可由两个二元互补序列偶集构造生成新的二元互补序列偶集,并可推广到由多个二元互补序列偶集构造新的二元互补序列偶集的设计中,从而扩展了二元互补序列偶集的存在空间．     

有新样本加入的支持向量机的学习策略

在支持向量机的学习过程中,有些情况下训练样本不能一次全部给出,这样当有新样本加入训练集时,支持向量集和训练样本集的等价关系将被打破.为了解决这个问题,本文提出了有新样本加入的支持向量机的学习策略.通过对新样本的分析,选出能代替原样本和新样本进行学习的样本,并给出这些样本应满足的条件,最后给出了相应的学习策略.对标准数据集的实验表明,本学习策略可以在新增样本增加后,有效压缩样本集的大小,提高分类的速度,舍弃无用的样本,同时保证了分类精度.     

P-集合与(,F)-数据生成-辨识

P-集合(packet sets)是一个集合对, 它由内P-集合(internal packet sets)与外P-集合(outer packet sets)共同构成, P-集合具有动态特性。利用P-集合,给出数据集合, 数据集合,F-数据集合与(,F)-数据集合概念;提出-数据集定理, F-数据集定理, (,F)-数据带定理,数据集合恢复定理, (,F)-数据辨识定理,给出辨识准则。 利用这些结果, 给出(,F)-数据在信息系统中的应用。P-集合是研究动态信息系统的一个新理论与新方法。     

中文连续语音识别系统音素建模单元集的构建

在识别系统中,建模单元能够勾画一种语言的声学和语音学特性,因此对系统性能起到至关重要的作用。该文参照一些已在大词汇量连续语音识别系统(LVCSR)中取得较好效果的建模单元集,构建了新的音素建模单元集(Ne-wPS)。另外,根据NewPS中元音及其变体对前后接音素协同发音的影响,提出了基于扩展的元音三角图设计问题集(NewQS)的方法。实验表明:NewPS和NewQS结合的识别性能超越了传统的声韵母建模单元集;并且,建模单元数目大幅度的减少给系统后续模块的处理带来了便利。     

对模糊集、Vague集和C*-模糊集的比较研究

模糊集、Vague集和C*-模糊集(新模糊集)都是对经典集合论的扩展,同时又是模糊集合论分支的发展成果。为完善模糊理论体系并将其有效应用,在介绍了三种集合的概念的基础上,分析了它们之间的区别和内在联系并参考与概率论统一定义的C*-模糊集合框架,提出了新Vague关系,使得在处理不确定问题的领域中有了完备的理论基础。最后对三个集合的发展和应用作了一些探讨性研究。