体育公园生态规划设计方法研究

随着我国社会经济发展,体育公园作为专类公园的一种已经越来越受到人们的重视。而如何规划建设好体育公园也逐渐成为一个新的设计命题。笔者将绿色生态与运动空间作为体育公园规划的两个基本空间要素,提出了协调＂绿＂、＂动＂空间的规划设计思路,最后从公园选址、规模等方面提出了相应的规划对策。     

“学生中心”视野下大学生学习方式转变策略探究

我国从应试教育向素质教育、创新教育转轨,重要标志之一则是要实现学生的主体地位,确立"以学生为中心"的教育理念。在这一教学理念的指导下,我们应结合当代大学生学习方式的新趋势和特点,转变其被动、接受、封闭的学习方式,关注学生的学习体验,提高学生的学习策略和实际参与度,培养学生的创新能力和实践能力以培养高质量的人才满足社会的需求。     

注重数学计算能力提高高效课堂教学

计算在生活中随处可见,在小学阶段,计算教学更是贯穿于数学教学的全过程。一般来说,小学生的计算能力包含三个方面的内容：一是计算结果的正确性,二是计算方法的灵活性,三是计算速度的快捷性。提高学生的计算能力,有助于培养学生的数学素养,有助于培养学生解决问题的能力,有助于教师提高高效课堂教学质量,有助于小学生学习习惯、意志等非智力因素的培养。     

一种基于路径优化的推测多线程划分算法

推测多线程(speculative multithreading,简称SpMT)技术是一种实现非规则程序自动并行化的有效途径.然而,基于控制流图和分支预测技术的线程划分方法,不可避免地会受到划分路径上所存在的控制依赖和数据依赖的制约.目前,在传统的线程划分算法中存在的一个重要问题是,在对划分路径进行选取时只考虑了控制依赖影响却不能有效地综合考虑数据依赖的影响,进而导致不能选取最佳的划分路径.因此,针对传统方法中这种依赖评估方法效率低下的问题,设计并实现了一种基于路径优化的线程划分算法.该算法通过引入基于程序切片技术的预计算方法,建立一种路径评估方法来评估程序间的控制和数据依赖.同时,引入控制线程体大小的启发式规则,以便有效地解决负载不平衡的问题.基于Olden测试集的测试结果表明,所提出的算法可以有效地对非规则程序进行划分,其平均加速比可以达到1.83.     

基于主动式静电探测技术的目标定位方法

针对被动式静电探测技术无法对不带电目标进行探测的问题,提出了一种基于主动式静电探测技术的目标定位方法。在对带电和不带电目标分析的基础上,得到了相应的通过检测电流实现目标定位的探测方程,并在Maxwell 3D中进行了仿真。仿真结果表明:基于该方法的探测距离与目标的带电量、主动静电场的强弱以及电流检测电路的灵敏度有关。     

独立光伏系统蓄电池优化三段式充电策略研究

为了提高独立光伏系统蓄电池的充电效率和使用寿命,对蓄电池充电算法进行了研究.考虑到光伏系统受环境影响较大、发电功率不稳定等因素,分析了直接利用PI算法实现三段式充电失败的原因,提出了将最大功率点跟踪(MPPT)与三段式充电相结合的充电策略.重点研究了PI恒流、恒压充电与MPPT充电的切换判据.Matlab仿真结果证明了该算法的正确性.     

一种性能优化的小文件存储访问策略的研究

在分布式文件系统中,小文件的管理一般存在访问性能较差和存储空间浪费较大等缺点.为了解决这些问题,提出了一种性能优化的小文件存储访问(SFSA)策略.SFSA将逻辑上连续的数据尽可能存储在物理磁盘的连续空间,使用Cache充当元数据服务器的角色并通过简化的文件信息节点提高Cache利用率,提高了小文件访问性能;写数据时聚合更新数据及其文件夹域中的相关数据为一次I/O请求写入,减少了文件碎片数量,提高了存储空间利用率;文件传输时利用局部性原理,提前发送批量的高访问率的小文件,降低了建立网络连接开销,提升了文件传输性能.理论分析和实验证明,SFSA的设计思想和方法能有效地优化小文件的存储访问性能.     

基于时序聚类的北斗位置冗余数据压缩算法

在北斗用户机的位置数据采集过程中,容易出现数据冗余现象。为此,分析导致数据冗余的原因,提出一种基于时序聚类的冗余数据压缩算法。该算法采用基于密度的聚类方法将数据集进行分簇,把属于同一类运动特征的位置数据归为一类,根据簇直径判断该簇是否为冗余数据,并对冗余数据进行压缩。实验结果表明,该算法可以正确标识冗余数据,实现数据压缩。     

三网融合环境下数字版权管理的身份控管方案

为实现三网融合环境下数字产品在发行、流通、购买过程中对不同用户的身份控管,根据数字版权管理(DRM)系统的安全性和灵活性要求,通过利用智能卡技术并改进用户身份验证管理方案,提出一个新的DRM身份控管方案。理论分析和实验结果证明,该方案安全可靠,可以保证数字产品创作者、流通者和使用者的合法权益。     

无偏置v- 支持向量回归优化问题研究

在高维特征空间中,具有支持向量机形式的学习机的决策超平面倾向于通过原点,并不需要偏置.但在-支持向量回归机（ν-SVR）中存在偏置,为了研究偏置在ν-SVR中的作用,提出了无偏置的ν-SVR优化问题并给出其求解方法.在标准数据集上的实验表明,无偏置ν-SVR的泛化性能好于ν-SVR.根据对偶优化问题的解空间分析,偏置不应包含在-SVR优化问题中,ν-SVR的决策超平面在高维特征空间中应通过原点.