基于数据库课程群的微课版教材的建设与应用

微课版教材是在传统的立体化教材建设的基础上,利用手机扫描印刷在教材上的二维码来播放微视频的新模式,这种方式对于数据库软件的教学和应用具有很高的契合度。针对数据库课程群的微课教材建设机制进行了探讨,并分析了选用微课教材对课堂教学的影响。传统数据库课程群的立体化教材建设也随着4G乃至5G时代的到来和智能手机的普及应用进入了一个新的阶段。     

基于机器学习的智能防火墙设计

在防火墙中实现了一个学习模块,并对攻击以及正常网络数据进行收集分析,然后选择属性良好的网络数据作为训练样本,进行了决策树的ID3算法实现.通过这一学习模块的加入,使得防火墙可以对新的流入数据进行判断和学习,从而向智能化方向发展.     

Flash MX结合PB的界面制作方法

给出了用Flash MX结合PB进行医院院务保障管理系统界面的制作方法.用Flash制作带控制按钮的动画,发布成swf格式的文件,用PB开发的应用程序中利用专门的OLE控件控制它的播放,将功能强大的动画制作软件Flash MX与普遍使用的可视化编程工具PB巧妙结合,从而使应用程序的交互界面大为改观,视觉效果更加生动.     

高校试卷质量分析系统的研究

应用数理统计方法,通过探讨试卷的难度、区分度、信度、效度和覆盖度等质量指标,建立了试卷质量分析系统．该系统的设计与实现立足教育测量理论,从教学实际需要出发,使系统具有可定制性,满足各学科、各专业教师的需要．     

基于Bregman联合聚类与加权矩阵分解的 融合推荐算法

针对当前大数据背景下推荐系统中所存在推荐效率低下、扩展性差、推荐质量不高等问题,本文提出一种基于Bregman联合聚类与加权矩阵分解的融合推荐算法（CO-CWMA）。首先,通过Bregman联合聚类挖掘出多样、不同层次的低秩评分子矩阵,组合不同约束与距离的聚类结果训练得到子模型,进而在各个模型的子矩阵上并发地进行矩阵分解,最后将各个子模型进行均值融合,提高推荐质量、效率与扩展性。在矩阵分解阶段采用SVD++算法,基于每个子矩阵中的评分分布计算加权策略,给予高频评分较大权值,在梯度下降阶段利用学习率函数控制学习率的更新。实验结果表明,该算法与三种基线算法相比在均方根误差（RMSE）与平均绝对误差（MAE）上均有明显降低,即推荐质量有较大提升。     

基于J2EE的MVC设计模式的研究与实现

分析讨论了J2EE构架和面向对象的MVC设计模式,并将MVC设计模式引入J2EE体系之中,在北京市电信卡综合管理系统的应用和实现中收到良好的效果,而且给该管理系统的开发、维护和升级带来了便利.     

基于深度卷积神经网络的无序蛋白质功能模体的识别

针对目前实验方法识别天然无序蛋白质中的功能模体耗时费力、难度大,而传统计算机辅助识别方法过于依赖人工挑选特征且准确度低等问题,提出一种利用深度卷积神经网络预测功能模体位置的方法;该方法直接将蛋白质序列作为输入,通过计算对应的位置特异性打分矩阵和3组氨基酸指数特征,将序列映射到数值矩阵中,模型自行抽取特征并自动识别功能模体的隐性序列模式来进行预测。结果表明:当使用相同数据集进行训练和测试时,本文中提出的方法的性能明显优于其他传统的识别算法,在验证集上的感受性曲线下的面积(AUC)值达到0.708,在测试集上的AUC值达到0.760,说明深度卷积神经网络能够有效地识别功能模体的隐性序列模式;该方法也可以用于其他聚集型蛋白质功能位点的识别。     

基于RBF神经网络的矿山选矿指标预测

根据矿山数据复杂性构建矿山数据仓库,利用选矿厂在长期生产过程中积累的大量反映选矿过程指标的历史和现在数据资源,结合RBF人工神经网络建模,揭示选矿过程中原矿性质、选矿工艺流程与选矿效果的动态关系模型,为矿山企业的产品计划提供决策支持.     

基于深度学习的青椒质量分类

针对目前青椒体型小、数量多、质量分类困难的问题,提出了利用深度学习中的卷积神经网络来解决青椒质量分类的方法。该方法无需消耗大量人力资源,直接将青椒图像作为输入,模型自动从训练数据中提取有利于区分青椒质量的图像特征。研究结果表明,当使用3 200张青椒图片作为训练数据时,得到的训练模型在含有960张图片的独立验证集上的识别准确率达到了97.60%。这为青椒质量分类问题提供了一种新的解决办法,同时也可用于其他瓜果蔬菜的质量识别问题。     

多震源地震压力波的格子Boltzmann模型

给出一种新的用于模拟地震压力波的格子Boltzmann模型. 使用压力分布函数的Chapman Enskog展开和多重尺度技术, 给出满足地震压力波方程要求的高阶矩以及简单的平衡态分布函数表达式. 利用这个模型, 模拟了多震源引起的地震压力波运动, 数值结果可以同差分方法的结果进行比较.