学科交叉融合对计算机基础教学的新挑战

学科交叉融合是现代世界一流大学注重培养的新思路,也越来越受到普通高校教学研究者们的重视。《大学计算机基础》课程则是高校教改的重点和难点。就如何在《大学计算机基础》课程中引入新的教学思路,让学科交叉融合能在高等教育的开展之初就能融入到大学生的学习和研究中,进行部分实践和探索。随着计算机在现代科学研究中的重要性越来越突出,计算机教学改革势在必行。     

2014服务器TOP100排行榜

正服务器市场在2014年的活跃度提升,此前讨论热烈的云计算、大数据等IT话题很多都在服务器市场得到了诠释。企业需求更加多样化,促进服务器厂商更加注重细分市场的研发创新,政策层面影响更多表现出了对服务器市场洗牌的催化剂作用……商业竞争在很大程度上等同于IT科技竞争,当前企业的IT投资80%以上都集中于服务器端,其所承载的未来数据中心的发展很大程度上决定着企业的竞争力。本榜从企业需求角度审视当前服务     

基于SkyEye的嵌入式Linux移植仿真技术研究

在嵌入式系统开发中,经常需要硬件开发板来调测软件,不仅操作繁琐,硬件环境不稳定时问题也很难定位;有时还会遇到软件等待硬件调试,延误开发周期的情况。在PC桌面系统下,探讨了一种基于SkyEye虚拟硬件技术的嵌入式平台仿真技术,介绍如何建立仿真基础环境,编译嵌入式Linux内核,制作根文件系统,编译、配置SkyEye,以S3C6410X为目标机处理器,将Linux内核及文件系统移植到基于SkyEye虚拟的ARM体系架构下,为嵌入式系统的研发探索了一种新的途径。     

从微观经济学看企业计算市场发展

基于2006—2013年的历史市场数据,本文从微观经济学的角度分析了企业计算资源市场的供需关系。工业界可以依据本文所提供的数据设计更好的定价策略,从而同时达到市场扩张和增加营收的目的。     

基于特征融合的核量化图像分类方法

局部特征和全局特征是图像的两种重要的特征描述,在图像分类时起着至关重要的作用。据此提出一种通过融合全局与局部特征核量化图像分类方法。首先,分析全局特征及局部特征各自优缺点,并对图像进行特征提取;其次,通过核方法将特征映射到适当的高维空间中,来进行码书的获取与量化,并进行特征的融合以更好地对图像进行描述;最后,采用基于直方图交叉核的支持向量机对获取的量化特征进行分类。通过实验证明了所提出的方法的可行性。     

两轮自平衡小车的研究与实现

介绍以飞思卡尔MK60N512VMD100单片机为控制器和以MMA7260加速度传感器及ENC-03角速度传感器等传感器元件作为传感检测系统的两轮自平衡小车系统。阐述了基于加速度传感器和角速度传感器获取两轮小车倾斜角度的滤波算法及其实现、自平衡控制算法及其实现,电机控制策略等相关问题。实验结果表明,此小车具有较好的平衡性和稳定性。     

基于奇偶树型交互学习机与遗传算法的密文优化系统

为使图像加密系统具备优化功能,并解决当前遗传算法无法实现全局最优、收敛速率慢等问题,提出奇偶树型交互学习机耦合全局离散遗传算法的密文优化系统。定义权值更新机制,耦合混沌映射,构造奇偶树型交互学习机及其互扰模型。将切断型轮盘赌择取机制引入均匀交叉算子中,以图像分块的相邻像素相关系数和密文信息熵为目标,根据权重理论设计加权适应度函数,提出一种全局离散遗传算法,最终形成"初始加密-密文优化"的加密结构。实验结果表明,与超混沌算法、离散遗传算法、元胞自动机相比,该系统的加密质量较好,并且具备全局优化功能,可优化所有迭代结果,使最终输出密文的信息熵最大,相关系数最小。     

重视产品本质,垂直整合通路——Sundef山迪打造源自美国的高性价比高端隔热膜品牌

正眼下,信息的日益透明化、渠道的日渐扁平化、消费的日趋理性化都给国内窗膜市场提出了新的要求,中美合资羿阳(Unisun)科技趁机而入,带来Sundef山迪品牌,给行业、给消费者带来了源自美国的高性价比高端产品选择。新时代下的消费新需求中国的太阳膜市场拥有近20年的发展历史,期间经历了多次变革。眼下,隔热膜已成为汽车     

基于支持向量回归的动力电池参数辨识

根据铅酸蓄电池在放电过程中内部电化学反应导致外部电特性变化的特点,提出一种基于支持向量机原理的电解液密度辨识模型。利用支持向量机理论非线性回归的特性,简化测量电解液密度的过程,在恶劣环境下检测动力电池的电解液密度更显其优越性。预测实验表明,采用改进的交叉验证预测模型具有泛化能力强、稳定性好的特点,并且在小样本的条件下能达到预期的辨识精度。     

一种带交叉因子的双向寻优粒子群优化算法

针对传统粒子群算法易早熟、精度低、后期收敛速度慢等问题,结合反向学习理论,提出了一种基于交叉因子的双向寻优粒子群优化算法(CBMPSO)。该算法使初始种群在搜索区域均匀分布,计算粒子及其反向粒子的适应值,取最优作为初始种群;迭代过程增加对全局最差粒子的跟踪,随机开启基于交叉因子的双向学习机制。对几种典型函数的测试结果表明,CBMPSO算法的寻优能力及收敛速度有了显著提高,并且能够有效避免早熟收敛问题。