试论合作学习理论在高职计算机教学中的运用

在教学改革的过程之中,各种创造性理论的应用备受关注,为了体现教学改革的一致性以及统一性,老师开始结合教学理论改革的现实条件不断调整教学思路和教学方向,合作学习理论在高职计算机教学之中实现了广泛的应用。这一理论能够揭示高职计算机教学的核心要求,对培养学生良好的学习习惯以及合作习惯意义重大。本文将理论分析与时间研究相融合,着眼于高职计算机教学的现实条件,分析合作学习理论在该学科教学中的运用。     

空中目标辐射源的个体识别方法

针对传统的辐射源个体识别方法在低信噪比环境下识别性能不佳的问题,提出了一种空中目标辐射源的个体识别方法,该方法利用经验模态分解和变分模态分解得到信号不同频率的模态分量,将各模态分量的多尺度排列熵作为特征,利用主成分分析对数据进行降维,并采用支持向量机分类器进行辐射源个体识别。仿真结果表明,该方法对相位噪声、频率漂移以及谐波失真等细微特征的识别性能明显优于传统方法,并具有良好的抗噪性。     

聋人高等融合教育的学习支持服务探究

聋人高等融合教育有利于构建"宽容、无差异"的校园文化与"平等、融合"的社会环境,有助于聋人融入主流社会。融合教育的实施需要完善的支持系统,在分析我国聋人高等融合教育现状的基础上,从学校角度探讨了无障碍学习环境、差异化教学、人员保障方面的学习支持服务,以期为聋人高等融合教育的发展提供借鉴。     

两道工序无故障的RGV动态调度模型算法研究

智能加工系统的出现,使得物料加工更加快捷有效,极大地减少了人工生产过程的成本.本文通过对RGV动态调度问题的研究,建立了优化模型和仿真模型.同时利用计算机仿真技术,给出了RGV在两道工序加工且无故障发生时的调度方案,并且做了简单的评价.     

新工科背景下大学计算机基础课程的多元立体式教学模式研究

以促进"新工科"建设为目标,综合考虑大学计算机基础课程特点,从学生学习的实际状况角度入手,对大学计算机基础课程教学进行改革,提出了多元立体式教学模式.在加强传统教学模式的基础上,合理利用线上资源,将MOOC、SPOC和翻转课堂等教学模式作为补充,组织教学活动,使线上线下协调一致.教学实践表明,多元化的教学模式培养了学生自主学习的能力,提高了整体教学效果.     

计算机网络安全的主要问题与对策

信息时代,计算机网络改变了社会生产、生活的各个领域。计算机网络具有脆弱性,容易遭受各种网络攻击,造成个体及公共利益受损的事件层出不穷,网络信息安全引起人们的广泛关注。本文阐述了计算机网络信息安全内涵,对计算机网络信息安全常见问题进行分析,并进一步提出科学有效的防范措施。     

三值光学计算机

三值光学计算机是2017年3月问世的通用型光电混合计算机系统。它用无光态和偏振方向正交的两个偏振光态表示信息,用旋光器和偏振片来改变这三个光态,进而完成三值逻辑运算和MSD(modified signed-digit representations)冗余表达数值的二进制并行加法运算。这种新型计算机具有处理器位数众多、处理器位可以分组独立使用、处理器位的计算功能可重构等优势;还以非易失随机存储器件为基础,构建了与处理器频繁交换大量数据的双空间存储器系统;为便于编制发挥这些特色的应用程序,采用SZG文件为程序员遮蔽三值光学处理器与传统电子处理器的差别,构成了保持传统编程技术的新编程平台。目前,针对快速傅里叶变换、元胞自动机等典型算法,验证了这种新型计算机的加速能力。     

基于改进的局部保持投影的战时备件分类

为提升战时合成部队备件保障效能，需对其进行有效分类，以便开展备件的预储预置。针对备件种类多、时效性强、影响分类因素复杂的现实问题，提出了基于改进的局部保持投影的备件分类方法。首先，根据战时备件分类储备的影响因素，作为备件分类的特征指标，其次，利用改进的局部保持投影的降维方法对备件原始特征数据进行特征降维，得到低维特征向量。再利用支持向量机（support vector machine，SVM）的分类器对低维数据进行分类。并通过量子粒子群对SVM的核函数参数进行寻优，提升备件分类精度，得到满足备件分类准确率最优时的降维维数和分类器参数。最后，通过对演习装备备件分类的实例分析，验证了模型的可行性和合理性，并对比分析了其他分类方法，表明该方法能够较好地解决战时备件分类的问题。     

基于高维特征选择的跳频电台细微特征识别

将高维特征用于跳频电台细微特征个体识别具有很大优势,为了增强对跳频电台的分类识别能力,需要增加特征类型和维数,提高特征集的表征能力,但同时会引入大量冗余特征,导致分类器计算时间过长,分类正确率降低。为了降低高维特征集维数,首先采用相关性快速过滤特征选择算法,删除高维特征集中的不相关冗余特征,得到最优特征集。然后利用经过参数优化的支持向量机(support vector machine, SVM)分类器进行训练分类。实验表明,所提算法能够对高维特征集进行合理的降维,提高了SVM的分类器的分类性能,在保证分类正确率的基础上,降低了运算量,提高了跳频电台细微特征识别的时效性。