排球文化彰显了高校和谐校园文化的独具内涵

校园排球文化作为具有内容丰富的运动特性的文化现象,是通过排球系列文化活动,以文化交流的形式缔造出各种有益校园文化发展的各方面的财富总和,其彰显了校园文化的深邃内涵,并引领了现阶段高等教育校园文化发展的新方向,满足了校园文化建设、素质教育、人才培养的需要,是高校校园文化中所具有的某种特殊形的文化态,是具有高校校园特点的新文化。     

大学英语优秀学习者与普通学习者学习策略比较研究

采用Oxford(1990)英语学习策略问卷,对重庆理工大学和重庆科技学院英语专业、非英语专业的英语优秀学习者和普通学习者的学习策略进行了问卷调查。通过科学的统计数据分析,了解英语优秀学习者和普通学习者之间的学习策略差异,探求不同英语优秀学习者的学习策略共同点。在分析和对比大学英语优秀学习者和普通学习者学习策略使用情况和差异的基础上,帮助广大的英语普通学习者有意识地改进学习方法、提高学习效率。     

运用MATLAB对运动学、动力学问题进行过程分析

基于MATLAB的数值计算,结合图形处理技术,以质点斜抛运动为例,阐述了一类理论力学问题过程分析的思考方法、实现过程以及实验结果的分析;通过本例学习,可提高学生对力学问题整个过程的感性认识,调动学习积极性,同时也可使学生清楚利用MATLAB分析理论力学问题的方法、过程。     

基于聚类优化的RBF神经网络多标记学习算法

多标记学习采用RBF神经网络与K-means聚类算法相结合取得了较好的效果,但由于聚类数事先不能很好地确定,无法给出准确的聚类个数值,会导致聚类质量下降、聚类结果不稳定等,进而影响RBF神经网络多标记算法的稳定性及分类性能。本文从样本几何结构的角度出发,采用一种聚类有效性指标函数,为每个类寻找最优的聚类个数,从而优化问题的求解。理论研究和实验结果表明,改进后的算法在分类的稳定性及分类性能方面都有较好的表现。     

一种用于实验教学的计算机控制电梯模型

介绍了教学型电梯模型的总体方案,以及其结构和控制系统的设计.该模型为5层楼电梯控制,电机由24V直流电源供电,楼层信息由8255和74LS245驱动LED管显示.采用Visual Basic可视化语言进行程序设计,界面简单,易于操作.采用计算机控制技术设计了电梯模型控制系统.     

具有学习效应和非线性安装时间的单机排序问题

讨论了加工工件具有学习效应和安装时间的单机排序问题。文中工件的加工时间不是固定不变的,不仅与工件的加工位置有关,同时还与已加工完成工件的加工时间有关。安装时间分为线性安装时间和非线性安装时间,本文主要讨论的是具有非线性安装时间的情况。工件的安装时间是依赖于已加工完的工件的实际加工时间和工件所排列位置的函数形式。在文中主要证明了极小化最大完工时间,极小化完工时间总和问题是多项式可解的,另外还证明了满足一定条件下的极小化加权完工时间和,极小化最大延误问题是多项式可解的。     

Markov逻辑网在重复数据删除中的应用

为了解决和突破现阶段重复数据删除方法大多只能针对特定领域,孤立地解决问题的某个方面所带来的不足和局限,提出了基于Markov逻辑网的统计关系学习方法。该方法可以通过计算一个世界的概率分布来为推理服务,从而可将重复数据删除问题形式化。具体采用了判别式训练的学习算法和MC-SAT推理算法,并详细阐述了如何用少量的谓词公式来描述重复数据删除问题中不同方面的本质特征,将Markov逻辑表示的各方面组合起来形成各种模型。实验结果表明基于Markov逻辑网的重复数据删除方法不但可以涵盖经典的Fellegi-Sunter模型,还可以取得比传统的基于聚类算法和基于相似度计算的方法更好的效果,从而为Markov逻辑网解决实际问题提供了有效途径。     

“学习过程跟踪”系统中在线时间统计功能的设计与实现

目前大部分的远程教育系统都采用了学习跟踪的模块对学习者的学习数据进行收集和加工,其中学生的在线学习时间是一个重要的记录项目。本文对常见的在线学习时间记录的原理和方法做了介绍并分析了其优缺点,并针对这些缺点提出了自己的解决方法。     

基于同义词词林的词语相似度计算方法

为解决词语相在语义网自适应学习系统中相似度计算不清的问题,以同义词词林为基础,提出并实现了一种基于同义词词林的词语相似度计算方法,充分分析并利用了同义词词林的编码及结构特点。该算法同时考虑了词语的相似性,和词语的相关性。进行人工测试,替换测试以及与当前流行的基于“知网”的词语相似度算法对比测试的结果表明,该算法与人们思维中的相似度值基本一致,有较高的准确性。     

一种新的基于多示例学习的场景分类方法

多示例学习是近年来才出现的一种新的学习框架,并以其对多义性对象的出色表示能力而被成功地运用在图像分类任务中。首先提出了一种新的图像多示例包生成方式,采用特征的概率分布表示图像,并对图像像素分布提取一个高斯混合模型,将每个高斯分布作为一个示例,生成图像的多示例包。然后,在对图像进行分类时,采用了信息瓶颈聚类把多示例包转化成单示例,从而将传统的单示例分类器用在该问题上。为了提高分类器的泛化能力,对多个分类器进行了集成。选取了5类自然场景图像进行试验,结果显示所提出的方法平均性能优于当前常用的一些多示例学习算法。