软件测试课程实验教学探索

结合市场需求,对软件测试课程实验教学过程中存在的问题进行分析。从课程设置模式、实验内容设置、测试工具选择、测试案例库构建及教师自身素养培养等方面进行探讨,提出加强实验教学的方法和途径,提高学生的测试技能。     

一种新的在线流数据异常检测方法

流数据的海量、无限、分布动态变化且不均衡等特征使得对流数据的在线异常检测成为当前一个研究热点。分析了异常数据的少而不同且更容易通过随机空间的分割而孤立出来的特征,基于在线集成学习理论,提出了一种基于隔离森林的在线流数据异常检测算法。在4个UCI标准数据集上的实验结果表明提出的方法有效。     

面向对象程序设计课程教学改革

针对目前面向对象程序设计课程教学现状和问题进行分析总结,从课程设置及教材选择、理论课程教学方式、实践教学方法、考核方式等方面提出课程改革的思考,提高学生学习兴趣和学习主动性,在全面掌握面向对象程序设计思想的基础上培养学生的动手能力、应用能力和创新能力。     

基于角色扮演的《软件测试》课程教学探索

本文在分析《软件测试》课程特点的基础上，基于角色扮演提出了“主持＋主讲＋主问”的教学模式，并对该方法可能出现的难点问题给出了解决方案。该模式强调学生讲解为主，教师宏观引导为辅的教学策略，将学生从被动的听众转变为主动的主持者、讲者、提问者等，在讲解中、讨论中掌握教学内容，达到“学得到，讲得出，做得好”的目的。     

基于特征加权的Category ART网络及应用

特征加权是特征选择的一般情况，它能更加细致地区分特征对结果影响的程度，往往能够获得比特征选择更好的或者至少相等的性能。该文采用自适应遗传算法来优化Category ART网络的特征权值，提出了一种改进的Category ART网络FWART。在UCI标准数据集上的实验表明，FWART网络获得了比Category ART网络更好的泛化能力。将该网络应用在地震震型预报上，取得了很好的预报效果。     

基于深度随机森林算法的短期用户负荷预测——以金华地区为例

通过网络爬虫获取天气数据，并结合金华市用户负荷数据，采用深度随机森林算法对用户负荷进行短期预测。借助4种评价指标，通过对比支持向量回归算法、K近邻算、贝叶斯岭回归算法、随机森林算法以及多个深度神经网络算法，发现深度随机森林算法预测效果最佳，支持向量回归算法次之，而深度神经网络算法在该数据集上表现一般。