Oracle公司开源项目以Greenfoot带动Java课程体系改革

为进一步提高Java课程的教学效果和人才培养质量，阐述了以Greenfoot游戏工具为主带动新知识点的引入，激发学生兴趣的同时使其充分理解面向对象思想，为后续企业项目的开发奠定基础，更好地实现以就业为导向的教学目标．该Greenfoot游戏设计工具通过在游戏中布置场景、添加游戏角色、物体和实现任务，可以实现对象的可视化和交互性，同时提高学生分析问题、解决问题的能力和团队协作等综合素质能力，增强学生所学知识的广度和深度，真正地实现学以致用，优化Java课程教学效果．     

科技地理学与青蒿素的发现

地理环境是影响科技创新重要且易被忽视的因素。地理环境影响科技创新的方式大致可以归纳为以下三种:通过提供经验启示和特有研究材料促进科技创新、通过提出挑战而迫使应对者寻求科技创新、通过提供地缘交流条件影响人类科技创新。青蒿素在中国发现是地理环境影响科技创新的一个经典案例。正是基于独特而丰富的青蒿素种质资源,青蒿素才由一个天然化合物发展成为一个抗疟新药。当前,在我国科技实力整体落后的情况下,亟待加强地理环境与科技创新关系的研究,依靠地理环境的优势加速我国科技创新。     

工程水泥基复合材料自愈合过程与产物

借助环境扫描电镜(ESEM)对纤维表面以及15,30,50μm不同宽度裂缝自愈合产物的生长过程进行了连续观察,结合EDS(energy dispersive spectroscopy)、TEM(transmission electron microscopy,透射电镜)、XRD(X-raydiffraction)及FTIR(fourier transform infrared spectroscopy)等先进研究手段,对工程水泥基复合材料(ECC)裂缝自愈合产物的化学特性进行了分析.结果表明,体系中水泥基材料的进一步水化及C-S-H凝胶和CaCO3晶体的生成是裂缝自愈合的主要原因.宽度15μm裂缝的自愈合产物主要为C-S-H凝胶;宽度30μm裂缝的自愈合产物主要为C-S-H凝胶和CaCO3;观察周期内,宽度50μm形成的自愈合产物量无法填满裂缝.从微观层次上看,宽度30μm以下的裂缝几乎都能完全自愈合.同时,ECC材料中的PVA(聚乙烯醇)纤维有亲水特性,为自愈合产物的形成提供了成核点,有助于ECC材料自愈合产物的形成和生长.     

金洞森林旅游开发的前景及效益分析

文章从发展生态旅游入手,结合当前森林旅游形势的需要,从社会基础、自然条件、区位优势与资源优势进行分析,以突出金洞的本土特色,提出合理的建设原则,并设计相应的森林旅游项目,从实际出发提出可行的开发形式与管理办法,通过效益分析得出开发森林旅游的可行性结论。     

世界海洋环境中的塑料污染现状分析及治理建议

塑料碎片在环境中广泛存在,目前已成为海洋污染的重要来源,是当今海洋环境中不可忽视的新型污染物。本文对近几年国际上有关海洋塑料污染的研究进行了梳理,综述了塑料碎片在世界海洋环境中的含量分布及对海洋生态环境的危害,分析了国际上为应对海洋塑料污染采取的相关行动举措,同时对加强海洋塑料污染的防治提出了建议。     

信息可视化和可视分析：挑战与机遇——北戴河信息可视化战略研讨会总结报告

由天津大学软件学院发起并召集,东北大学秦皇岛分校和燕山大学承办的信息可视化战略研讨会于2012年6月9-10日在北戴河成功举行．本文总结了此次会议的讨论内容和达成的共识,对当前信息可视化和可视分析领域的挑战和国际上这方面的研究方向做了大致的分析,并对今后信息可视化和可视分析的大方向提出一些建议,以及对具体行动提出一系列倡议．     

基于共形阵的角度和极化信息联合估计算法

针对复杂载体上共形阵列存在多极化接收和遮挡效应的问题,本文提出一种基于方向图矩阵重构导向矢量的改进极化多重信号分类(multiple signal classification, MUSIC)算法。首先对共形天线阵列进行建模,在获取各个阵元的方位和俯仰分量方向图数据后,将方向图数据分解并重构阵列的导向矢量矩阵,最后结合极化MUSIC算法进行波达方向(direction of arrival, DOA)和极化参数联合估计。相对于理论导向矢量的极化MUSIC算法,本文所提改进算法在解决了遮挡效应的同时具有更高的估计精度,并可有效降低运算量。仿真实验结果验证了这一结论。     

基于DEM的民航地空VHF通信有效覆盖仿真研究

针对起伏地形环境下求解民航地空甚高频(very high frequency, VHF)通信有效覆盖范围冗余较大、精度较低的问题,采用改进的最大斜率法进行了仿真研究。首先,考虑遮蔽角计算存在计算冗余,提出"高程清洗"方法,降低计算量。其次,考虑求解最大斜率遮蔽角存在误差,采用改进的反距离加权插值法对原始数字高程模型数据进行插值提升分辨率,提高了切点逼近点位置精度。然后,为确定遮蔽区域具体点位,提出"切点截止法"进行求解。最后,为得到准确覆盖率,采用"网格法"分析计算。实验表明,改进的最大斜率法可有效减少计算冗余,提高信号覆盖求解精度,覆盖率相对改进前分别降低9.58%、4.10%和1.26‰。改进的VHF有效覆盖范围仿真程序可为VHF地面通信站选址、飞机航线规划提供支撑。     

A Hierarchical Ensemble Learning Framework for Energy-Efficient Automatic Train Driving

Railway transportation plays an important role in modern society. As China's massive railway transportation network continues to grow in total mileage and operation density, the energy consumption of trains becomes a serious concern. For any given route, the geographic characteristics are known a priori, but the parameters(e.g., loading and marshaling) of trains vary from one trip to another. An extensive analysis of the train operation data suggests that the control gear operation of trains is the most important factor that affects the energy consumption. Such an observation determines that the problem of energy-efficient train driving has to be addressed by considering both the geographic information and the trip parameters. However, the problem is difficult to solve due to its high dimension, nonlinearity, complex constraints, and time-varying characteristics. Faced with these difficulties, we propose an energy-efficient train control framework based on a hierarchical ensemble learning approach. Through hierarchical refinement, we learn prediction models of speed and gear. The learned models can be used to derive optimized driving operations under real-time requirements. This study uses random forest and bagging – REPTree as classification algorithm and regression algorithm, respectively. We conduct an extensive study on the potential of bagging, decision trees, random forest, and feature selection to design an effective hierarchical ensemble learning framework. The proposed framework was testified through simulation. The average energy consumption of the proposed method is over 7% lower than that of human drivers.