新工科背景下基于OBE理念的“Web前端开发”课程教学改革

在新工科背景下，随着Web前端技术的发展，“Web前端开发”课程面临着教学内容快速迭代、学生实践能力无法跟上技术发展等问题。OBE教学理念以学生为本，为解决上述问题提供了新思路。文中分析了OBE理念与“Web前端开发”课程的契合度，提出在教学目标、教学过程、教学方法和教学评价中深度融合OBE理念，构建“以学生为中心”的“Web前端开发”课程，包括重新定位教学目标、重构教学内容和学习任务、建立多维度的评价机制等。研究表明，应用OBE理念，能帮助“Web前端开发”课程有效解决教学内容的动态更新问题，进一步强化和培养学生的实践能力，是提高“Web前端开发”课程教学质量的有益尝试，是“Web前端开发”课程教学改革的有效模式。     

基于P-Rank的RDF有向图的分布式存储

随着语义网数据的迅猛增长,RDF大数据存储成为数据存储领域研究的热点问题,而分布式存储是解决RDF大数据可扩展性的一种有效途径,数据分割则是实现分布式存储的关键。利用图聚类思想实现RDF数据的有效分割,基于RDF数据模型的图特性,首先利用PRank节点相似度算法计算RDF图结点间的相似度,然后使用AP聚类算法对相似度矩阵进行聚类,进而实现RDF数据的分割和分布式存储。实验结果表明:该方法能有效完成RDF数据的聚类分割,使得聚类结果中类间相似度较小,而类内相似度较大。     

基于AP聚类的不完整大数据填充

不完整数据的分析与填充一直是大数据处理的热点研究课题,传统的分析方法无法对不完整数据直接聚类,大部分方法先填充缺失值,然后对数据聚类。这些方法一般利用整个数据集对缺失数据进行填充,使得填充值容易受到噪声的干扰,导致填充结果不精确,进而造成聚类精度很低。提出一种不完整数据聚类算法,对不完全信息系统的相似度公式进行重新定义,给出不完整数据对象间的相似度度量方式,进而直接对不完整数据聚类。根据聚类结果将同一类对象划分到相同的簇中,通过同一类对象的属性值对缺失值进行填充,避免噪声对填充值的干扰,提高填充结果的精确性。实验结果表明,提出的方法能够对不完整数据进行聚类,并有效提高缺失数据的填充精度。     

基于PCA的教师综合素质评价

教师的综合素质体现了一个学校的核心竞争能力,也是学校教学质量评价和绩效考核的重要依据,科学合理的评价指标体系和评价方法是获得学校教师综合素质的基础。当前对教师综合素质的评价,通常采用算术平均线性划分法,对隐含的信息没有进行深入挖掘,难以全面准确地反映教师的综合情况。本文运用PCA算法对某高校专业教师的教学、科研和职业道德评价结果进行分析,得出教师综合素质评价结果,实例证明运用PCA算法操作简便,评价结果客观合理。     

K均值聚类在高校教师评价分析中的应用研究

作为高校内部质量管理的重要环节及学校绩效考核的重要依据,高校教师评价问题一直以来都是研究的热点。当前对高校教师的评价,通常采用算术平均线性划分法,对隐含的信息没有进行深入挖掘,难以全面准确地反映教师的综合情况。运用K均值聚类算法对某高校某专业教师一学年的教学、科研和师德评价结果进行聚类,并对聚类结果进行详细分析。结果表明聚类算法能从评价数据中获取更多的有效信息,为教学管理者更加准确地掌握教师的特点,制定更为有效的培养策略,全面提高教师综合素质提供了大力的帮助。     

不完整大数据的分布式聚类填充算法

传统大数据填充算法是根据整个数据集对缺失数据进行填充,使得填充值容易受到不同类别数据的干扰,导致填充结果不精确。针对该问题,给出不完整数据的相似度度量方法,使用近邻传播( AP )算法对不完整数据进行聚类。采用云计算技术优化AP聚类算法,实现一种基于MapReduce的分布式聚类算法,根据算法聚类结果将同一类数据对象划分到相同簇中,并利用同一类对象的属性值对缺失值进行填充。实验结果表明,该算法能实现不完整大数据的聚类,同时加快聚类速度,提高缺失数据的填充精度。     

基于结构相似性的RDF数据聚类分割

随着语义网的快速发展,RDF数据呈现出海量的增长特征,单机的RDF数据管理系统的可扩展性成为RDF数据发展的瓶颈,分布式的存储是解决这一难题的有效方法。而在数据的分布式存储中,数据分割是其中一个关键问题。文中根据RDF数据可以用有向图来描述特性,利用P-Rank基于结构的节点相似性度量方式计算图结点间的相似度,使用AP聚类算法对度量结果进行聚类,实现RDF数据的有效分割。实验结果表明,该方法能够有效地完成RDF数据的分割,使得类间相似度较小,而类内相似度较大。     

基于MapReduce的SimRank算法在图聚类中的应用

由Jeh和Widom提出的SimRank算法是一种普适"结构相似度"计算模型。由于SimRank算法采用迭代方式计算图节点间相似性,因此时间复杂度和空间复杂度都非常高。随着数据量的激增,单机运算能力不能满足大规模数据的计算要求。本文提出了基于MapReduce计算模型的分布式SimRank算法,利用该算法对RDF图进行相似度度量,然后利用分布式的AP聚类算法对图节点进行聚类分析。实验结果表明,该方法能够高效的完成图节点的相似度度量,实现图的有效聚类。     

新工科背景下Web前端开发课程群的教学改革实践

Web前端开发课程具有显著的实践性，传统的教学模式不利于提高学生的各项能力。针对传统教学模式的不足，结合当前Web前端开发的最新理念，文中在教学目标、教学内容、教学方法和考核方式4个方面提出了具体的教学改革措施，旨在培养具有扎实的科学基础和工程能力的新型工科人才。新工科背景下Web前端开发课程群的教学改革实践，以构建基于项目驱动渐进式的Web前端开发课程群为载体，以提高学生的创新能力、实践能力、协作能力和就业能力为目标，通过修订课程群的教学大纲，实现课程内容的系统性、连贯性和实用性，促进相关知识的模块化、学生学习的场景化、课程实践的项目化和课程评价的过程化，从而探索出一种Web前端开发课程教学改革的有效模式，为学生未来的职业发展打下良好的基础，为新工科背景下Web前端开发课程群的教学改革提供理论参考和实践建议。