如何培养学生的自主性

学生学习自主性的培养,对于学生今后的学习十分必要,对于学生终身学习十分有利。学生自主性学习是指:学生由原本在教师的督促下学习或在家长的监督下被动学习,变为自愿地、独立地主动学习。学习的性质由"假学习"变成"真学习"。     

移动学习及其资源开发

移动学习是随着无线通信技术的发展和移动计算技术的进步而促成的一种新的学习方式,其有利于数字土著的学习和实现终身学习的要求。而学习资源直接影响移动学习的效果。因此,以微型学习理论、活动理论和行为主义学习理论为基础,开发契合移动学习特性的文本、图片、音频、视频、学习平台和WAP教育网站等学习资源有利于促进移动学习的发展。     

学习可视化的意义与内涵研究

学习可视化是将学习内容、学习过程细节、学习成果以视觉形式表达,激发学生学习主动性,增强学生学习兴趣,提高学生学习效率的一种高效学习技术。心智图是一个非常优秀的可视化学习工具。阐述了学习可视化的定义,从可视化技术发展历史的层面揭示了其本质和目的,介绍了优秀的可视化学习工具心智图,并对学习可视化的意义和作用做了概括和总结。     

基于移动学习的学科主题学习资源设计研究

移动学习作为一种新型的学习方式正成为研究热点,而基于移动学习的学科主题学习资源相对缺乏。本文阐述了移动学习的概念及特点、主题学习、学科主题学习资源的理论基础,分析了基于移动学习的学科主题学习资源设计的基本原则,最后构建了基于移动学习的学科主题学习资源的设计框架。     

网络学习管理系统中智能学习导航研究

网络学习导航的目的是避免学习者在学习过程中"迷航"和提高学习效率,并能在一定程度上实现个性化学习,其关键是学习系统能够提供智能化的学习导航,指导学习者完成学习任务。论文探讨了网络学习管理系统中学习导航的设计原则,研究了在本体概念网模型的知识组织结构基础上的智能学习导航机制及其实现算法,并着重强调个性化学习,为基于B/S三层结构的学习管理系统实现个性化学习提供了基础。     

自主学习式课件技术探究

自主学习可以分为三个方面：一是在学习活动之前能够自行确定学习目标，制订学习计划、作好具体的学习准备；二是在学习活动中能够对学习进展、学习方法作出自我监控、自我反馈和自我调节；三是在学习活动后能够对学习结果进行自我检查、自我总结、自我评价和自我补救。     

协作学习中基于协同过滤的学习资源推荐研究

符合学习者特征的学习资源对于提高协作学习效率具有重要的影响。但是传统的学习资源推荐,没有充分考虑学习者、学习资源的特征和高效的推荐算法。针对上述问题,提出了基于协同过滤的学习资源推荐算法,根据学习者学习特征、学习资源特征和学习者对学习资源历史评价信息,采用协同过滤推荐算法,实现学习资源推荐。首先,通过学习者特征和学习资源的评分,寻找相似学习者并计算学习资源预测评分,然后根据该评分值和学习资源与学习者匹配度推荐学习资源,从而为学习者推荐符合自己兴趣爱好最合适的学习资源。实验结果表明该算法在个性化学习资源推荐的准确性上优于传统算法。     

试论开放教育中学生合作学习的培育与发展

合作学习是电大开放教育积极提倡、大力推行的重要学习方法、学习策略。它要求在各自独立学习、获取教学信息之后,交换学习笔记、心得体会,互相提问、互相答疑、相互激励、相互评价以促进相互之间学习知识的增长。电大学生的学习。与普通高校不同。学生是以自主学习为主,收听、收看广播电视、录音录像。利用网上教学平台进行学习,同时接受必要的面授辅导。学校组织教学活动的方式也有别于以面授为主的普通高校,各级电大都为学生提供完备的学习材料、学习条件和各种学习支持服务（如语音信箱、网上教学平台、学习小组等）。电大开放教育既要提倡学生自主学习,更要提倡学生合作学习。我们相信,合作学习方式在开放教育中将发挥独特作用,     

多层次网络学习模型与学习控制研究

在网络化的学习环境中,由于存在着学习需求多样化和缺乏针对性学习内容情况,因此如何提供一套完整的学习模型和学习控制机制对于提高学生学习效率显得尤为重要。基于知识空间理论和高级Petri网技术,建立了基于同一学习内容的,适应不同学习需求和不同学习对象的多层次的学习模型和学习控制机制,通过该模型可以很大程度上满足以上要求,避免了“知识迷路”和“学习迷航”,提供更加个性化的学习指导。     

研究生非正式学习现状调查与对策研究

研究生具有成人学习的特点,仅通过传统的正式学习已无法满足他们的学习需要。非正式学习是一种无组织自由化的学习方式,通过问卷调查法,对研究生非正式学习的情况进行了调查,并根据调查结果提出了加强非正式学习意识、优化学习环境、搭建基础设施、构建学习共同体等策略。     

基于量测划分的单传感器多目标数据关联算法

在PDA算法的基础上,提出了一种基于量测划分的单传感器多目标数据关联(MSDA)算法;与JPDA算法相比,MSDA算法采用二维分配算法来消除共有量测对相邻目标的影响;与PDA算法相比,MSDA算法仅采用扩充后的私有量测集合来完成目标航迹的更新过程。对MSDA算法、JPDA算法、PDA算法在不同条件下的关联效果进行了仿真计算。仿真结果表明:在关联精度上,MSDA算法要优于PDA算法,但略低于JPDA算法;在实时性上,MSDA算法与PDA算法基本相当,而要明显优于JPDA算法。     

排序合并Join算法的新结果

Join操作是数据库中最昂贵和最常用的操作.排序合并Join算法是实现Join操作的重要算法,得到了普遍接受并广为应用.在重新研究了排序合并Join算法后发现,同时对两个Join关系进行外排序是不必要的,会带来很大的额外开销.针对这个问题,提出了一种基于单关系外排序的分治Join算法,并在该算法的基础上提出了基于单关系外排序的并行分治Join算法.理论和实验结果证明,基于单关系排序的分治Join算法高于排序合并Join算法.特别是在并行计算环境下,基于单关系排序的并行分治Join算法的效率远远高于排序合并     

求解车间作业调度问题的混合遗传算法

针对Job-Shop调度问题,将自适应遗传算法与改进的蚂蚁算法融合,提出了自适应遗传算法与蚂蚁算法混合的一种优化算法。首先利用自适应遗传算法产生初始信息素的分布,再运行改进的蚂蚁算法进行求解。该算法既发挥了自适应遗传算法和蚂蚁算法在寻优中的优势,又克服了各自的不足。实验结果表明,该算法在性能上明显优于遗传算法和蚂蚁算法,并且问题规模越大,优势越明显。     

基于目标函数变化率的混合蚁群遗传算法

根据蚁群算法和遗传算法收敛性互补的特点,提出了一种基于目标函数变化率的混合蚁群遗传算法。该算法的基本思想是：用蚁群算法的解作为遗传算法的初始种群,根据目标函数的变化率交叉地调用蚁群算法和遗传算法。每当种群进化接近停滞时,调用蚁群算法。这种方法可动态地控制蚁群算法和遗传算法的调用时机,再配合相应的信息素更新方法,以提高算法的收敛性。将新算法用于车间调度基准测试问题,仿真结果表明,与常规混合蚁群遗传算法相比,新算法的全局收敛性和局部收敛性有了明显的提高。     

一种混合优化算法及其收敛性证明

针对改进的混沌优化方法和Alopex算法的特性，将改进的Alopex算法嵌入到改进的混沌优化算法中，提出一种混合优化算法，此算法充分发挥了改进的Alopex算法的快速搜索能力和改进的混沌优化方法细致寻优的特性，提高了算法的收敛速度，避免了优化算法陷入局部最优；同时对改进的混沌优化算法和混合优化算法的收敛性进行了证明，仿真结果表明了算法的有效性。     

配送中心选址问题的BFO-AFSA算法研究

以细菌觅食算法改进的人工鱼群算法为工具,提出了一种新的解决配送中心选址问题的群智能算法。细菌觅食算法改进的人工鱼群算法主要针对基本人工鱼群算法后期容易陷入局部最优的缺点,利用细菌觅食算法局部搜索能力强的特点,将细菌觅食算法中的趋化思想应用到基本人工鱼群算法中。通过算法测试可以看出,改进人工鱼群算法在搜索精度、可靠性、优化速度及稳定性方面相对于基本鱼群算法更有效。通过选址实例仿真可以看出,改进人工鱼群算法在解决配送中心选址问题上相对于基本鱼群算法更具优越性,改进人工鱼群算法能够寻找到更低的成本。     

求解TSP算法

首先提出旅行商问题（TSP）,并将其转化为最短有向图哈密尔顿回路问题,然后介绍了三种类型的求解TSP的算法。第一种为传统算法,包括分支定界法、改良回路法、贪婪算法、MST算法、MM算法、插入法等;第二种为现代优化算法,包括模拟退火算法、人工免疫算法、遗传算法、蚁群算法、粒子群优化算法、禁忌搜索算法、Hopfield神经网络算法等;第三种为论文提出的DNA计算算法。并对这些算法的复杂度、误差范围以及优劣点进行了分析。     

基于空间势函数加权的模糊C均值聚类分割算法

提出了一种基于空间势函数加权的FCM图像分割新算法。该方法将空间邻域的势函数信息融入到原始的FCM算法中,权重在该方法中起核心作用,它是根据最近邻(k-NN)算法的原则将势函数信息扩展到邻域像素中。算法中使用基于统计直方图的快速FCM算法进行初始化,收敛速度大大提高。实验结果表明了该方法的有效性及其对噪声的较强鲁棒性。     

一个新的二叉树的轮廓线索树构造算法

本文给出了二叉树的轮廓线索树的一个新的构造算法 .与 Reingdd的算法相比 ,该算法简单、高效、便于分析 ,易于推广到 m-叉树的轮廓线索树的构造算法上     

距离寻优中Dijkstra算法的优化

Dijkstra算法在求解两指定顶点间最短距离时,对两顶点之间最短路径以外的大量顶点进行了计算,而影响了算法的速度。在对Dijkstra算法分析的基础上,结合网络模型的特点,对Dijkstra算法进行了优化。优化算法基于两点之间直线最短的思想,改变了对顶点处理顺序的规则。在算法流程中只对最短路径上及其附近的顶点做了处理。而与最短路径相距较远的顶点基本不涉及。因此,在优化处中计算的顶点数量大幅减少,提高了算法的速度,给出了优化算法的正确性证明,对优化算法的实用性和效率加以讨论,优化算法在实际中已经得到应用。