君子不器:当代大学育人目标探析

“君子不器”即君子不像器物，只有一种用途，而要学道得道，因道乃诸器之本。当今社会需要的是体无不备、用无不周的得道君子，即能够以不变的道应对万变的器的通才，而当今大学的育人目标与课程设置大都是为培养成器的专才而设立的，因此，应该调整大学的育人目标，变培养实用型人才为培养通用型人才。通过弘扬我国传统文化的精华，把传统与文艺鉴赏、现代科技知识结合起来，增设新课程，把学生培养成为能终生适应社会发展的有用人才。     

对体育教育专业篮球普修课教学现状的思考

通过对体育教育专业篮球普修课教学目标、教学内容、教学模式以及对学生的成绩评价进行思考和令尊，结合《全国普通高校学校体育教育本科专业课程方案》对培养目标的规定，提出了对体育教育专业篮球普修课的培养目标进行重新定位，优化教学内容、优化教学模式、优化教学手段、优化评价体系，培养出合格的21世纪体育教师。     

中国管理会计发展及对策

介绍了管理会计在我国的发展状况,阐述了未来我国发展管理会计时应注意的一些问题,探讨了我国管理会计的发展方向,并针对我国管理会计存在的问题提出了相应的对策.     

奥运会临时超市网点设计模型

给出了2008年北京奥运会临时超市网点的设计模型。根据题目提供的三次问卷调查表,给出了问题一观众的出行、用餐和购物的规律。利用问题一的结论,以最短路径作为观众出行路径原则,得出了问题二的人流量分布。对于问题三,以分布基本均衡作为目标函数,以满足购物需求作为约束条件,给出了临时超市网点设计模型。     

非对称极化散射矩阵的目标识别方法研究

本文针对单基地测量时线性目标的极化散射矩阵为非对称这一实际情况．根据散射矩阵理论将其进行了对称性修正，在此基础之上，利用本征极化作为雷达目标极化特性的表征并进一步提取了目标的极化特征，同时对五种飞机目标进行了识别实验研究，取得了良好的目标分类或识别效果。     

R.C.曲线交叉粱系双目标优化设计的研究

本文对R.C正交直线-曲线粱系进行双目标优化设计,取结构造价和钢筋用量两类指标构造目标函数,建立了此类结构的基于Pareto最优性准则的数学模型,并对“线性加权和算法”进行改进,由此求得的综合最优解与一般算法的解答基本重合,而迭代计算的工作量却显著减少。对数值计算结果进行分析、讨论,得出一些比单目标优化设计更有理论和实际意义的结论。     

凹坑板式空气预热器的传热特性及多目标优化

以全焊接型凹坑板式空气预热器为对象,基于最优设计试验方案,运用Workbench Fluent软件数值模拟凹坑板片特征结构参数对传热流阻性能的影响。基于参数敏感度分析,得到单因素作用下对传热流阻性能的影响程度为凹坑的纵向间距>长轴>横向间距>深度。基于响应曲面法分析,得到多因素协同作用时,凹坑之间的结构参数横纵距对性能影响比凹坑自身的结构参数深径比大。基于遗传算法以摩擦因子f最小、努塞尔数Nu与综合换热因子J_F最大为优化目标,得到给定范围内的3组较优结构组合。     

基于经验模态分解特征的无线电引信抗扫频式干扰方法

针对目前调频无线电引信在复杂电磁战场环境中对抗扫频式干扰能够力弱的问题,提出一种基于经验模态分解(empirical mode decomposition,EMD)特征的无线电调频引信对抗扫频干扰的方法.对基于目标和扫频干扰作用下的调频无线电引信检波端输出信号进行EMD分解,得到10层本征模态函数(intrinsic mode function,IMF)分量,提取每层IMF分量中本征模态函数能量占比、能量聚集度和Renyi熵特征,并利用主成分分析算法对于特征进行降维,保证累积解释差异在95%以上,以降维后的特征矩阵作为支持向量机的输入对目标和扫频式干扰信号进行分类识别.实测数据结果表明,所提方法能够有效对目标和扫频式干扰信号进行分类识别,分类识别精度可以达到98.06%±0.003 8,目标检测率达到96.65%±0.003 7,虚警率为3.35%±0.003 7.     

圆渐开线变截面涡旋压缩机型线的参数优化

圆渐开线变截面涡旋压缩机的优化设计均以几何性能为目标。为了得到在几何性能和力学性能方面更为优越的涡旋压缩机,文章建立圆渐开线变截面涡旋压缩机压缩比和轴向气体力的数学模型,分析压缩比和轴向气体力随型线参数的变化趋势;结合几何性能和力学性能,以压缩比倒数和轴向气体力为目标函数,利用多目标遗传算法对其进行优化,得到不同参数变化下的非劣解集。对优化型涡旋盘与未优化涡旋盘进行的定量分析结果表明,优化型涡旋盘的压缩比提高了16.14%,轴向气体力降低了5.62%,证明了优化的可行性。该研究为圆渐开线变截面涡旋压缩机设计时型线参数的选取提供了一定的参考。     

基于改进RPN的孪生小样本电力目标检测

为了解决当前电力系统巡检难度大、效率低、数据不足以支撑大规模训练的问题,提出一种基于孪生网络的小样本检测方法。首先,在Faster RCNN(faster region convolutional neural network)目标识别算法的框架下,搭建支持图片和查询图片共享的孪生网络模型;然后,利用改进的RPN(region proposal network)模块产生更高质量的proposals;最后,在检测头上对支持图片和查询图片的RoI(region of interest)进行关联匹配。结果表明,将算法应用于自主构建的EPD(electric power detection)数据集,在仅利用10张支持图片的情况下,就能实现对电力背景下鸟巢异物和绝缘子相关类别的检测,检测指标mAP达到18.92%。与其他算法相比,应用于电力行业目标检测的孪生网络小样本模型,在极端小样本情况下性能优良,同时具有更加轻量化的优势,可为电力检测新方法研究提供参考。