提高《机电系统建模与仿真》课程教学质量的新探索

通过深入剖析该校本科《机电系统建模与仿真》课程的特点及现状,完善现有教学内容、方法和手段,采用以"学习活动"为中心的思想构建《机电系统建模与仿真》课程网络课程辅助教学。教学实践表明,这些措施能很大程度上激发学生的学习兴趣、挖掘其学习潜力,达到了提高教学质量的目的。     

云端运算服务下高职英语交互式教学模式初探

分析当前高职英语交互式教学现状及教学模式,探讨将云端运算服务引入交互式高职英语教学的路径,可以通过网络课件、教学论坛、电子邮件、微博、微信公众号等进行交互教学,提高英语教学质量。     

多中心治理模式下的网络舆情应对--基于服务型政府建构的逻辑

网络舆情是当前转型社会、民主社会和虚拟社会叠加作用下的产物。在社会治道变革以及多中心治理模式得以确立的背景之下，网络舆情这一社会现象也出现了新的演进趋势。工具理性与价值理性主导了网络舆情发展演变的双重向度，使其产生出两种截然不同的社会影响。就网络舆情的产生根源来看，主要来自于社会治道变革的内在感召、反向社会情绪的释放发泄、多元网络文化的深度催化和网络社交领域的繁荣兴盛。因此，应摒弃传统社会管理模式下对网络舆情的研判思维，通过多中心治理模式下的理念变革，强化大数据背景下的数字化治理，完善多中心治理秩序，促进国家与公民社会关系的再平衡等途径，从构建服务型政府的视角出发，科学地加以应对和利用。     

改进智能算法的认知无线Mesh网络优化频谱分配算法

随着网络资源日益紧张,认知无线Mesh网络中的频谱优化分配问题的研究主要集中在总带宽的最大化和占用频谱数的最小化。文中考虑到杂草算法的多样性以及容易实现和编码快捷等特点,提出一种基于改进入侵杂草优化算法(IWO)的频谱优化分配方法(IIOW)。通过对扩散条件中调和指数的优化,使得扩散更加均匀准确,大大加快收敛速度,同时优化了适应度函数的曲线。仿真结果表明:基于改进IWO的优化算法能在最大化总带宽与最小化信道占用数的情况下,获得较为理想的适应度函数曲线,同时加快收敛速度。     

夯实大学人才培养的基石——先秦诸子思想的启示

<正>大学作为培养人才,传播思想的地方,与时代的发展动向密切相关。但现在大学中存在这样的问题,对财富的过度追求带来的可能是大学生选择专业时以就业率和热冷门作为重要依据。更重要,如章开沅先生所言:"目前的学校‘重教书而轻育人’,没有真正把知识传授与品格陶冶密切融合在一起。"实际上,大学的终极目的并不是培育迎合社会喜好的专门人才,而应该是培育有道德情怀、能推动人类社会发展与进步的高素质人才。培育仁爱为核心的君子品格。以仁爱为核心的君子品     

大数据营销:综述与展望

随着追踪消费者足迹能力的增强,营销科学正经历着一场大数据的革命.为了了解大数据背景下消费者行为和营销战略的改变,此项研究结合近十余年大数据营销的有关文献,梳理了大数据营销的相关概念,类型及分析方法,并提炼出搜索、移动、口碑、数字化、APP和社会媒体等50个大数据营销的热门主题.在此基础之上,分别从互联网、社会网络、移动互联网、大数据和人工智能等四个阶段对大数据营销的研究进展进行回顾,最后围绕客户旅程,营销活动的量化评估和营销分析技术的开发三个方面对大数据营销的未来研究方向进行展望.     

小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法，通常采用先特征提取、再进行目标分类的两步识别算法，这种算法存在识别率难以提高和方法泛化性不足的问题，对此，提出一种增强条件生成对抗网络（strengthening condition generative adversarial network，SCGAN）+卷积神经网络（convolutional neural network，CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征，无需特征提取，实现对目标的一步识别。为进一步提高小样本条件下的识别效果，基于CGAN理论来提高样本在特征空间的覆盖程度，并对CGAN的判别器进行改进，在损失函数中增加混叠惩戒项，通过SCGAN生成不混叠的生成样本来更好地训练CNN，提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性，以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。     

改进的低时延全回波Q路由算法

针对传统路由算法不能适应拓扑环境及网络负载变化导致的拥塞问题,提出了一种改进的低时延全回波Q路由算法。改进算法对于原有算法附加学习率因子进行替换,使用调节范围更大、适应性更好、算法性能更稳健的双曲正割算子;改进算法根据不同网络情况自适应地调节学习率,进而提供合理的路由决策。仿真结果表明,该算法可以适应于静、动态拓扑环境,与已有的路由算法相比,改进算法能有效地减少高、低负载时数据的平均递交时间,降低路由间的振荡,提高数据包的投递率,且体现更好的稳健性。     

基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。