简评汉武帝的历史功过

从开边拓土、尊儒兴学、知人信佞、奢侈酷暴、悔悟改过等五个方面对汉武帝的历史功过进行评价,认为汉武帝五十多年的统治生涯中有功也有过,功大于过,不失为一位具有雄才大略的帝王和杰出的历史人物。尤其是他知过能改的精神,更值得后世人们学习借鉴。     

基于逆向学习改进算法的汽车边缘提取

根据智能交通系统中车型识别的特点提出了使用逆向学习改进算法提取汽车边缘的新方法，这种方法的优点在于可以充分利用车型识别系统的特点和汽车历史轨迹的先验知识得到较好的提取精度，并有效地解决了车型识别中，因使用黑白图象而使基于色彩的汽车边缘提取失效的问题。     

不相容决策信息系统属性核的研究

决策表属性核的计算往往是基于Rough集理论的决策信息系统约简过程的出发点和关键．不相容决策信息系统是信息系统约简处理研究的重点．本文对不相容决策信息系统属性核的计算问题进行研究，证明了Rough集理论代数观和信息观中属性核概念的包含关系，以及几种属性核计算方法所得到的结果之间的包含关系．     

体育与健康教育结合的指向问题探讨

探讨了体育与健康教育的关系及体育与健康教育结合的必要性，分析了国内外体育与健康教育结合的现状与指向．从培养学生体育学习兴趣和动机、完善教材内容．提高教师素质、加强体育与健康课程评价体系、改变体育与健康课的授课形式、把家庭及学校纳入健康教育的干预对象之中等方面．阐述了体育与健康教育结合的指向问题．     

远程教学系统的设计与实现

利用信息技术改革教育内容、方法和体系，建立了基于Internet的计算机辅助教学信息平台，为学生提供了一个创造性的学习环境，大大提高了教学质量．简要介绍了利用Internet网上教学资源，实现远程教学系统(包括网上课堂、电子教育、批改作业、讨论答疑、查阅资料、网上考试等)的设计与规划．     

试论高校体育教育教学新视角--合作学习

运用文献资料、情报搜集等方法，对一种目标导向活动、互动性学习方式和教学方法——体育合作学习进行探讨，旨在为我国高等院校体育教育教学展现新的视角．     

市场环境下发电公司的动态学习与市场猜测均衡

提出了基于猜测供给函数模型的发电公司动态学习模型，用于分析和预测重复博弈的不完全信息电力市场环境下发电公司潜在的市场力．各发电公司根据公布的前阶段市场运行数据动态地调整其微增响应猜测，使之能够准确反映所有竞争对手相应于市场结清电价单位变化时所愿意引起的出力变化，从而动态调整提交的供给函数以获得短期最大利润．算例分析表明，发电公司动态学习有利可图；经过各发电公司动态学习并不断调整优化猜测供给函数将引导市场最终达到一猜测均衡结果．     

基于先验知识的强化学习系统

针对强化学习算法收敛速度慢的主要原因为强化学习算法所用模型通常都假设系统参数未知、先验知识未知，由此造成该算法从没有任何基础开始搜索最优策略，搜索范围大的问题，提出将强化学习系统建立在先验知识的基础上，既有效利用了前人的工作成果，又加快了算法的收敛速度．通过解决电梯群控问题验证了所提出系统的合理性和有效性．     

自主学习中的情感因素

培养学习者的自主学习能力是大学英语的教学目标之一，自主学习的真正实现受到诸多因素的影响。本文就影响自主学习的情感因素进行探讨．并在此基础上提出了一些建议．希望能进一步帮助他们提高学习效果和学习效益，成为真正的自主学习者。     

Induction of hybrid decision tree based on post-discretization strategy

By redefining test selection measure, we propose in this paper a new algorithm, Flexible NBTree, which induces a hybrid of decision tree and Naive Bayes. Flexible NBTree mitigates the negative effect of information loss on test selection by applying postdiscretization strategy: at each internal node in the tree, we first select the test which is the most useful for improving classification accuracy, then apply discretization of continuous tests. The finial decision tree nodes contain univariate splits as regular decision trees, but the leaves contain Naive Bayesian classifiers. To evaluate the performance of Flexible NBTree, we compare it with NBTree and C4.5, both applying pre-discretization of continuous attributes. Experimental results on a variety of natural domains indicate that the classification accuracy of Flexible NBTree is substantially improved.