基于增强现实的安卓英语单词识记软件的设计与实现

随着移动智能手机的发展,利用增强现实技术在Android系统中开发教育相关的学习软件,在移动便携、情景学习和人机交互等方面具有突出优势。该文以针对中小学生的英语学习软件为例,详细论述了使用NyARToolkit在Android平台上进行软件开发的过程以及关键技术的实现方法,积极探索了增强现实技术在教育学习领域的应用和需求,本项目实例结果验证了将增强现实技术应用于教育领域的可行性。     

知识可视化工具在教学中的应用研究

介绍了知识可视化的内涵及几种常用工具,阐述了知识可视化对老师学生的作用,最后设计了一节采用知识可视化工具思维导图来进行的物理复习课,促进知识可视化在教学实践中研究的不断深入。     

课程本体自动构建技术研究

课程本体是课程知识组织的一种重要技术,在智能学习系统中得到广泛应用。针对人工建立课程本体依赖专家经验和效率较低等问题,提出课程本体自动构建技术。该技术以丰富的Web课程资源为数据源,集成网络爬虫、中文分词和关联规则挖掘等技术,实现课程本体自动构建。实验结果表明,该技术建立的课程本体不仅具有较好的质量,而且执行效率较高。     

从微博新闻性看微博的回归之路——以新闻马航事件为例

微博的起势过程中,各种各样的信息都有可能成为微博头条。随着微博的沉默,只有新闻性较强的微博"新闻",才能使得微博重受网众青睐。本文以马航事件为例,分析了微博新闻性的特点,以及在微博的回归之路上,新闻性所具有的重要意义。     

基于基础教育资源均衡发展的现状研究与模式探索

为促进基础教育资源均衡发展,中央出台诸多政策推进农村教学点的信息化进程,缩小区域、城乡、校际差距。"教学点数字教育资源全覆盖"项目是由教育部、财政部启动实施的为教学点配送优质数字教育资源以提高教学点教育质量的惠民工程,已进入全面应用阶段。但仍存在的诸多问题,如管理制度不明、保障力度不够、软硬件设施及系统平台完善度欠缺、教师信息素养有待提高。为解决以上问题,应加强对新模式的探索,包括独立建制,进行责任管理;整合资源,完善保障制度;制定标准,推进信息化技术;培训教师,提高信息素养这四个方面的建设,逐步实现基础教育资源均衡发展。     

深度学习在视频对象分割中的应用与展望

视频对象分割是指在给定的一段视频序列的各帧图像中,找出属于特定前景对象的所有像素点位置区域.随着硬件平台计算能力的提升,深度学习受到了越来越多的关注,在视频对象分割领域也取得了一定的进展.本文首先介绍了视频对象分割的主要任务,并总结了该任务所面临的挑战.其次,对开放的视频对象分割常用数据集进行了简要概述,并介绍了通用的...     

学习分析支持下的教师区域研修平台的设计与实现

学习分析技术发展为教师研修平台构建提供了新的手段和方法。针对当前国内研修平台存在的研修流程控制及过程管理较弱、教师研修活动支持不足、研修活动的绩效分析支持度低等问题,引入学习分析技术,实现研修活动过程管控、教师研修活动支持和研修过程绩效评估等,设计并实现了一个学习分析技术支持下的教师区域研修平台。通过初步应用,平台能较好满足研修教师的协同教研、教学实践反思、研修绩效评价等需求,能提升区域研修工作效率,降低工作成本,实现教师研修的有效管理、实施、记录和评价。     

基于改进卷积神经网络的单幅图像物体重建方法

为了提高基于图像的三维重建的重建效果,基于深度学习的方法已经成为近年来研究的重点。针对目前存在的方法中特征提取效果差、重建细节缺失且计算量巨大的问题,提出一种改进卷积神经网络的单个物体重建方法。通过加入改进的Inception-resnet模块来提升网络的特征提取能力,采用多种网络结构提取多特征,通过多特征依次输入3D-LSTM模块中以增强单幅图像的重建效果。实验结果表明,该方法不仅能够得到更好的重建效果,重建出更多的细节,同时在训练中花费更少的时间。     

基于DPCNN模型与语句特征融合的汉语因果类复句关系自动识别

汉语复句关系识别是对复句语义关系的识别,复句关系类别的自动识别对促进语言学和中文信息处理的研究有重要的价值。因果类复句是使用频率最高的复句,文中以二句式有标广义因果复句为研究对象, 使用语言技术平台LTP 进行依存句法分析, 获得词性、依存父节点的词序、与父节点的依存关系等特征,将特征的不同组合与预训练的词向量拼接,得到新的向量,将新的向量输入到 DPCNN 模型中来进行关系类别识别。通过实验对提出的方法进行检验,实验结果显示: 与未融合任何特征相比,DPCNN模型中融合语句特征使实验结果的指标均有提升,表明融合语句特征能取得更好的识别效果。在各种特征组合中,融合POS特征组合得到的准确度和F₁值最高, 分别为98.41%, 98.28%。     

基于标题机器学习的网页分割方法

针对已有网页分割方法都基于文档对象模型实现且实现难度较高的问题,提出了一种采用字符串数据模型实现网页分割的新方法。该方法通过机器学习获取网页标题的特征,利用标题实现网页分割。首先,利用网页行块分布函数和网页标题标签学习得到网页标题特征;然后,基于标题将网页分割成内容块;最后,利用块深度对内容块进行合并,完成网页分割。理论分析与实验结果表明,该方法中的算法具有O(n)的时间复杂度和空间复杂度,该方法对于高校门户、博客日志和资源网站等类型的网页具有较好的分割效果,并且可以用于网页信息管理的多种应用中,具有良好的应用前景。