应用型本科软件工程课程教学探讨

本文探讨了应用型本科软件工程课程教学改革的思路和方法,提出了以学生为本,针对学生学习能力的差异,从提高课堂教学质量入手,结合课程教学网络平台的应用,帮助学生全面掌握软件工程的基本理念,并能按照工程化的思想去参加企业级的软件开发,为学生今后的就业打下良好的专业基础。     

多核环境下潮汐分析辅助软件并行绘制技术研究

为方便科研人员使用Baytap-G潮汐分析软件,基于C#.NET程序设计语言设计了一套潮汐分析辅助软件,实现了Baytap-G软件的封装,完成了输入数据格式的自动转换、输出数据的自动提取,以及水位、振幅、相位数据的可视化展示;在介绍C#.NET语言中任务(TASK)并行编程模型的基础上,详细讨论了绘制振幅、相位图任务分解、并行化程序设计考虑及其实现;实验结果表明,合理设计并行程序可以充分利用多核计算机的计算资源,提升程序运行效率,但是过多的任务数、不均匀的工作负载通常会影响并行程序的效率。     

项目教学法在ASP．NET课程教学中的应用

本文首先简单介绍了项目教学法实施的背景,然后详细介绍了项目教学法在ASRNET课程教学中的具体实施过程,最后总结了项目教学法的具体教学实践效果。     

基于模型检测技术的XML乐观并发控制协议

XML并发控制协议可用于保证多个用户同时访问XML文档时的事务隔离性,由于XML数据的半结构化特点和访问接口的特殊性,现有XML并发控制协议随着文件规模的增大、并发客户的增多,系统事务性能大幅下降。基于模型检测技术提出了一种新的乐观并发控制协议XOCC-MC。通过将XML文档对应的DTD文档转换为系统模型,将事务操作中的XPath转为了CTL公式,利用模型求值判断节点间是否存在A/D关系,进而根据冲突矩阵判断事务之间的冲突关系。与现有乐观并发控制协议相比,XOCC-MC协议在文件规模大、并发客户数多的情况下,表现出较好的事务性能。     

讲练结合教学法在面向对象程序设计课程中的应用研究

针对当代大学自我认知程度低,自我管理能力弱、主动性不强等特点,分析了程序设计类课程特点以及现有教学方法存在主要问题,提出将讲练结合教学方法引入课堂,把课堂从教室搬至实验室,合班授课改为小班授课,先讲后练改为教师指导下的边讲边练,实现了理论与实践的完美融合。实践证明,该教学方法有助于培养学生的学习兴趣、创新能力和动手实践能力,有利于培养高质量的计算机应用型人才。     

网络系统集成体系框架解析

当前科学技术水平的快速提升,带动了信息化建设的发展,相较于之前,当前信息化建设水平已经有了显著提升,网络建设已经在信息化建设中占据了愈发关键的地位。不管是从小范围内的公司局域网或者是涵盖了整个城市的城域网络,都必须有网络建设为基础支撑。当前,在网络建设区间逐渐加大的影响下,网络建设中的系统集成的含义、特点是什么以及网络系统集成的体系框架有哪几部分组成,成为人们越来越关心的热点问题。     

支持资源分类授权的通用权限管理模型研究

针对当前Web应用程序中存在的安全性问题.概要介绍了现有的权限管理模型;在详细分析Web应用程序自身权限管理的特点基础上,基于RBAC模型提出了一种支持资源分类授权的通用权限管理模型;在该模型中,管理员首先对WEB应用程序中的资源进行分类,然后定义每类资源的具体操作种类,随后定义每个角色对某一资源的操作权限,最后为用户分配合适的角色;基于.NET平台和SQL SERVER数据库设计和开发了一套支持资源分类授权的通用权限管理系统,并给出了一个具体应用实例;实践表明,该模型能够非常有效地解决Web应用程序中的权限授权和权限管理问题,增强了系统安全性.     

基于无线传感器网络的事件触发监测系统设计

针对无线传感器网络在事件触发类监测中的应用,提出了在该类应用中的解决方案.分析归纳了无线传感器网络在事件触发类监测中的应用需求,提出了满足该需求的无线传感器网络布设方法及采取的路由协议与数据聚合算法.分析了两种布设方式的优缺点,确定了事件触发监测系统采用非冗余布设方式;路由协议采用改进的APTEEN算法,改进了阈值和休眠策略;数据聚合在簇头节点进行,将来自簇内节点的多个数据包在网络层聚合为一个数据包后传送给基站.实验结果表明了该解决方案的有效性.     

改革教学方法和学习方法,提高学生计算机应用能力

培养计算机应用型人才是我国普通本科院校计算机专业教育的重要任务。本文从教师教和学生学两个方面阐述了如何提高学生的计算机应用能力。教师应注重以学生为中心的多种教学方法的运用,提高教学效果;学生作为学习的主体,应该掌握正确的学习方法,培养学习兴趣,发挥主观能动性,才能取得好的学习效果。学习习惯实验显示,合理的使用笔记、积极主动的学习可以有效地提高学习效果。     

一种基于K-Means均值聚类算法的大地测量数据粗差探测方法

粗差探测是大地测量数据处理过程中的重要环节.通过实验模拟生成一类典型大地测量观测数据的粗差,将生成含有白噪声和粗差的观测数据作为数据集,通过K-Means均值聚类算法对数据进行聚类,依据粗差数量约占观测值总数的1％,实验中选取参数5作为该算法的聚类中心个数,远离聚类中心的数据可被认为是粗差,因此粗差的探测成为研究重点.研究结果显示,该粗差探测方法的准确率为88.17％,对海量大地测量观测数据的预处理具有应用价值和科学意义.