引入图形化方法改革非计算机专业程序开发教学模式

文章分析目前高校非计算机专业中程序开发类课程教学效果不佳的现象,提出其主要原因在于难以在有限的学时内兼顾编程语言基础训练和专业问题编程技能两方面的培养。以地理信息系统专业的二次开发课程为案例,通过引入图形化编程的概念和方法,帮助学生最大限度地克服对编程语言复杂繁琐的语法规范的理解障碍,实现将课程重点放在专业应用问题的程序化思维方法和编程技能的训练上,实际的教学效果充分显示了这一模式的有效性。     

基于正演模拟的横向变速介质叠加速度误差分析

速度是地震勘探中最重要的参数之一,直接关系到叠加和偏移的质量。在常规的速度分析过程中,为了使CMP道集中的反射同相轴对的最齐而提取的叠加速度,是将地层假设成均匀介质,这在地层复杂地区会引起较大的误差。首先阐述了横向变速介质中叠加速度产生误差的原因,然后对天山南缘地区实际过井剖面进行波动方程正演模拟,分析了叠加速度误差产生的原因和大小,并探讨了消除误差的方法,为变速成图提供了更可靠的速度场。     

基于改进模拟退火的遗传算法求解0-1背包问题

引入改进的模拟退火思想来改进遗传算法.本算法结合了遗传算法和模拟退火算法的优点,并有效地克服了各自的弱点,使其在优化性能、优化效率和可靠性方面具有明显的优越性.运用本算法求解不同种群规模的0-1背包问题,数值试验结果表明,算法既具有较快的收敛速度,又能够收敛到最优解,优于遗传算法和模拟退火算法.     

基于World Wind移动端的地质数据野外采集系统

针对传统的野外地质数据采集与数字化工作步骤繁琐、效率低、工作周期长等问题,研发了一种基于World Wind移动端的地质数据野外采集系统,系统集成了World Wind地图技术、网络通信技术、多线程技术和数据存储技术.重点阐述了定位模块、数据录入模块、实体投影模块以及三维展示模块的具体实现方法,本系统的研发实现了野外地质工作的信息化采集、浏览和展示,为地质工作人员提供便捷的数据录入方式,推动地矿工作数字化、信息化、现代化的向前发展.     

突发饮用水污染下的水阀和消防栓的调度研究

研究在突发饮用水污染情况下,如何对消防栓和水阀最优调度,从而使得对用户造成的危害程度最小、同时调度成本最小,但是,这两个目标是互相矛盾的,调度成本的减小必然导致污染水体对用户危害程度增加.因此,首先建立了两目标优化模型,其中,第一个优化目标为污染事件发生后,用户饮用的污染物质量最小;第二个优化目标为对消防栓和水阀调度的成本最小;然后以美国某小镇真实饮用水管网为研究对象,利用NSGA-Ⅱ算法求解最优的水阀和消防栓调度方案,同时分析了不同参数对调度结果的影响,仿真结果验证了本文所建立的多目标优化模型和调度算法的有效性.     

云平台下图数据处理技术

针对Hadoop云平台下MapReduce计算模型在处理图数据时效率低下的问题,提出了一种类似谷歌Pregel的图数据处理计算框架--MyBSP.首先,分析了MapReduce的运行机制及不足之处;其次,阐述了MyBSP框架的结构、工作流程及主要接口;最后,在分析PageRank图处理算法原理的基础上,设计并实现了基于MyBSP框架的PageRank算法.实验结果表明,基于MyBSP框架的图数据处理算法与基于MapReduce的算法相比,迭代处理的性能提升了1.9~3倍.MyBSP算法的执行时间减少了67%,能够满足图数据高效处理的应用前景.     

一种用于电子稳像的运动矢量处理方法

在典型的电子稳像系统中,电子稳像包括运动估计和运动补偿两部分。运动估计得到的运动矢量包含了相机的有意运动和无意运动。在运动补偿中,我们直接利用运动估计得到的运动矢量平移像素,经常造成过补偿现象。针对这种情况,提出了一种基于一阶线性自回归的运动矢量处理方法(运动平滑),对运动矢量进行处理,分离出相机的无意运动(抖动)矢量,然后进行运动补偿,实验结果表明,该算法在没有降低系统运算速度的前提下得到了较好的稳像效果。     

算法设计与分析课程三维立体教学模式创新

针对算法设计与分析课程教学中的难点、痛点和堵点问题,提出实践教学体系改革、课程思政案例建设、问题驱动递进式启发教学的三维立体教学模式创新,介绍具体教学实践过程,以提升学生综合应用实践能力和创新能力。     

基于强化学习的高能效基站动态调度方法

随着移动通信技术的升级与移动通信产业的兴起,移动互联网正蓬勃发展.然而,由于移动设备爆发式增长,网络规模不断扩大和用户对服务质量的要求的不断提高,移动互联网络正面临着下一场技术革命.虽然5G技术可以通过密集的网络部署来实现千百倍的网络性能提升,但同信道干扰和高突发性的用户请求等问题使得该方案下需要消耗巨大的能量.为了在5G网络中提供高性能服务,升级改进现有网络管理方案势在必行.针对这些问题,使用带缓存队列的短周期管理框架实现对请求突发场景的敏捷平滑管理,避免由突发性请求导致的服务质量剧烈波动.此外,采用深度强化学习方法对用户分布、通信需求等进行自我学习,从而推测出基站的负载变化规律,进而实现对能量的预调度和预分配,在保证服务质量的同时提高能量的利用率.文中提出的双缓冲DQN算法在收敛速度上比传统DQN算法提高了近20％,且与当前广泛使用的基站常开策略相比,该算法能够节约4.8％的能量消耗.