高职院校VFP实验教学改革研究

通过分析传统的VFP理论教学和实验教学中存在的问题,结合VFP程序设计的特点,对包括明确教学目的、改变教学方法、注重上机实验、上机考核方式等教学改革措施进行了探讨,提出了理论教学内容、实验环境和教学方法的改革意见。     

模糊环境下供应商选择

基于一定程度不允许缺货的前提,考虑供应商的供应能力及制造商的需求能力为模糊参数,讨论如何给出一个满意的供应商选择方案,确定参与的供应商及各自的供应物资数量使总成本最小。对该问题给出了单一物资需求的模糊线性规划模型,通过把模型中模糊机会约束清晰化,将模型转化为确定性的0-1混合整数规划模型。利用算例数据,针对不同的置信水平对模型进行分析,为供应商选择提供依据。     

程序设计课程实验实践教学模式探索

依托国家级计算机科学与技术实验教学示范中心加强程序设计课程实验实践教学,本文提出了全新的教学理念与改革思路,包括完善的教学体系与内容、先进教学方法与手段,形成了一套以创新能力、工程实践能力相结合的实践教学模式。     

基于STM32的STC单片机脱机下载器的设计与实现

为了解决STC单片机程序快速高效升级的问题,提出了基于STM32的STC单片机脱机下载器的方案.用SD卡做为存储介质,存储目标程序文件.在STM32上实现STC单片机的ISP下载协议,将SD中的程序文件下载到目标板中.介绍了下载器的硬件原理、STC单片机下载协议和下载器的软件设计方法.     

混杂纤维混凝土动力特性的试验研究

混杂纤维混凝土是高性能混凝土的一种重要形式,本文研究探索了钢纤维与粗合成纤维混杂构成的纤维混凝土的动力特性,并基于试验结果,分析了混杂纤维的增强机理。结果表明：混杂纤维混凝土的初裂、破坏冲击次数及冲击韧性比单一纤维混凝土分别提高了0．2～0．4、1．0～4．0和1．0～2．0倍,表明两种纤维具有良好的协同效应,同时,数理统计分析方法可以较客观、全面地反映混杂纤维混凝土的动力特性。     

C语言程序设计教学探讨

C语言是在国内外广泛使用的一种计算机语言,是计算机专业及相关专业的专业基础课。另外,C语言也是全国计算机等级考试的科目之一。文章根据实际教学实践,分析了当前C语言教学中所存在的问题,并就如何激发同学们的学习兴趣,培养同学们程序设计能力,进行了一定的分析与探讨．以提高课堂教学效果。     

基于进化规划算法的背包问题求解研究

背包问题是一个具有较强应用价值的NP完全问题.如何设计求解此类问题的算法,则具有很强的实用价值和理论意义.目前已有很多的求解方法,但背包问题并没有完全解决.本文在启发式算法的理论基础上,改进了进化规划算法求解背包问题,此方法简单通用、易于操作.数值实验表明该方法具有较高的准确率,能较快的收敛到全局最优点.     

并联混合动力汽车怠速停机控制策略研究

怠速停机是混合动力汽车主要节能途径之一,本文以并联式混合动力客车为研究平台,建立了怠速停机控制策略,在CRUISE环境下对发动机怠速时间、怠速转速与燃油经济性的关系进行了深入的研究,基于国内典型城市公交循环工况的仿真结果表明:采用怠速停机控制策略后,燃油经济性比原车得到显著改善。     

Inductive transfer learning for unlabeled target-domain via hybrid regularization

Recent years have witnessed an increasing interest in transfer learning. This paper deals with the classification problem that the target-domain with a different distribution from the source-domain is totally unlabeled, and aims to build an inductive model for unseen data. Firstly, we analyze the problem of class ratio drift in the previous work of transductive transfer learning, and propose to use a normalization method to move towards the desired class ratio. Furthermore, we develop a hybrid regularization framework for inductive transfer learning. It considers three factors, including the distribution geometry of the target-domain by manifold regularization, the entropy value of prediction probability by entropy regularization, and the class prior by expectation regularization. This framework is used to adapt the inductive model learnt from the source-domain to the target-domain. Finally, the experiments on the real-world text data show the effectiveness of our inductive method of transfer learning. Meanwhile, it can handle unseen test points.