"音像强化节奏训练法"在大学生健美操教学中的实验研究

运用实验法、调查法和数据统计法,以武汉工程大学普通专业大一女生为研究对象,在健美操教学中实验班使用"音像强化节奏训练法",对照班采用传统教法.实验表明:"音像强化节奏训练法"对提高大学生健美操的技术技能、学习健美操的兴趣、培养学生从事健美操锻炼的能力和习惯有积极的促进作用.     

"普拉提练习法"对大学生健美操动作姿态干预的研究

文章通过文献资料法、访谈法、实验法和数理统计法对普拉提训练法在大学生健美操动作姿态干预研究进行了调查分析.     

健美操在特定条件下的运用与研究

健美操有着自身固有的价值和魅力 ,它以其炽烈的感情色彩和节奏鲜明的音乐 ,大幅度和形式多变的肢体运动而吸引着越来越多的大学生。为了进一步提高我院健美操课的教学质量 ,更好的指导教学 ,文中通过对本院健美操课教学内容——韵律健美操、新编大众健美操的对比教学和测试 ,进一步对新编健身健美操的科学性、实用性、趣味性进行分析和讨论     

健美操在特定条件下的运用与研究

健美操有着自身固有的价值和魅力，它以其炽烈的感情色彩和节奏鲜明的音乐，大幅度和形式多变的肢体运动而吸引着越来越多的大学生。为了进一步提高我院健美操课的教学质量，更好的指导教学，文中通过对本院健美操课教学内容——韵律健美操、新编大众健美操的对比教学和测试，进一步对新编健身健美操的科学性、实用性、趣味性进行分析和讨论。     

"智慧体育"背景下高校健美操课程教学设计与实践

通过“智慧体育”移动技术手段,将影、音、视、图等素材和传统体育课堂有机结合,对传统健美操课程进行改革,初步构建“智慧体育”健美操课程教学模式。通过实践得出结论:学生普遍支持“智慧体育”健美操课程教学模式,认为能够在有限的课堂上学到更多的知识和能力;健美操课程目标达成度高。     

"念动训练法"在太极拳套路教学中的此较研究

"念动训练法"是一种技能辅助学习的心理学习方法。在太极拳套路教学中运用意念动作训练法,让学生在学习基本套路的过程中,运用意念默想,对基本步法,手型,身法及套路的动作路线和动作方向、动作节奏进行默想,有利于套路的掌握。通过分析念动法的特点,并在此基础上运用对比实验的方法,从体育教学中的念动训练法入手,对太极拳套路教学进行改革,促进学生更好地掌握太极拳这一中国独特的传统技能。实验结果表明,念动训练法能调动学生学习的主观能动性,提高其学习兴趣,有利于学生对太极拳套路掌握。     

“小群体”教学模式在大学体育健美操教学中的实验研究

通过查阅大量资料,并结合实验、问卷调查、数理统计,对宁夏大学公共体育健美操课采用“小群体”教学模式进行研究．结果表明,该模式改变了教师上课过分强调“统一”和“规范”,练习的形式和技术“一刀切”的沉闷局面,提高了学生上健美操课的主动性与积极性,增进了学生以及师生之间良好的人际关系．     

浅谈健美操教学中审美教育的实施策略

健美操作为一项集运动性和健康性于一体的运动项目,有着广泛的群众基础。健美操教学作为培养学生什么素质的重要平台,强化健美操教学过程中学生审美素质的培养,将有助于提升学生的综合素质。在此在分析健美操教学中,实施美育教学的意义及任务的基础上,探讨了健美操教学中美的存在形式,并就健美操教学与学生审美素质的提升策略,进行了深入的分析,旨在为有效提升健美操教学的质量,提供理论参考。     

高校健美操教学的“小团体”合作学习法研究

在健美操教学中实施“小团体”合作学习法有助于学生克服自卑心理,提高其自信心;合作学习法也比传统的教学法更有利于促进师生、同学之间的人际交流,培养集体意识和竞争精神,不仅活跃课堂气氛,更能激发学生的学习热情,从而提高学习效果。本文以健美操教学为例,阐述了“小团体”合作学习法的应用观点,对高校开展健美操教学活动有一定的指导作用。     

"团队项目训练法"在市场营销实践教学中的应用——以"与爱同行"营销策划综合训练为例

“团队项目训练法”是充分利用各种市场资源,按照市场营销工作实际,让学生自组团队、自寻商机、自设项目,理论联系实际分析营销环境．对真实对象进行市场营销方案设计、实施、评估,亲历市场营销的完整过程,以此进一步掌握理论,训练技能,提高能力。介绍了重庆科技学院对市场营销专业本科生运用“团队训练法”进行实践教学的做法及效果。     

贝叶斯集成框架下的极化SAR图像分类

对于极化合成孔径雷达(SAR)图像,由于雷达角度和地物形状导致属于同一类的数据可能存在较大的差异性.针对此问题提出了一种基于贝叶斯集成框架的极化SAR图像分类方法.该算法采用贝叶斯集成,通过学习不同个体而获得的分类面来改善极化SAR图像分类性能.首先,输入极化SAR图像,并获得其对应的极化SAR数据及特征.从图像的每一类中任意选择像素点作为图像分类的原始训练样本,并对其进行随机划分获得不同的样本子集.然后,基于获得的样本子集构造对应极化SAR图像的贝叶斯集成框架.最后,通过构造的贝叶斯集成框架对极化SAR图像进行分类.特别在构造贝叶斯集成框架中采用支撑矢量机作为基本的分类器算法.实验结果表明,所提出的算法相比经典的极化SAR分类方法和单个SVM的极化SAR分类方法获得更好的分类性能.     

多阶段特征重分布算法的小样本目标检测

深度神经网络在目标检测任务上需要训练大量的标签数据,然而在许多实际应用场景中标签数据难以获取。针对这一问题,提出了一种面向小样本目标检测的多阶段特征重分布算法(MSFR)。该算法通过对特征向量进行重分布变换,解决了小样本任务下源域数据和目标域数据分布不一致的问题;通过多阶段学习策略将源域知识逐步迁移到小样本目标任务中,进一步提高知识迁移效率。在VOC数据集上的大量实验表明,与现有小样本目标检测算法相比,该算法在不同任务上的精度最高提升了9.06%。该算法在大幅提高小样本目标域类别检测性能的同时,较大限度地保持了对源域类别的检测精度,具有较大的实用价值。     

最小类局部保持方差指导的相关滤波器

针对最大间隔相关滤波器未考虑样本内部结构信息导致训练不充分的问题,提出一种最小类局部保持方差相关滤波器（MCLPVCF）。MCLPVCF 融合样本加权邻接图的思想,引入局部保留类内散度,充分考虑样本的分布信息及内在流型结构,同时最大化分类间隔和优化相关输出,进而在训练过程中兼顾样本的类别信息和结构信息,获得更符合样本情况的滤波器。实验结果表明,相比 MMCF 及其他传统相关滤波器,MCLPVCF 在目标识别率和检测准确率上有较大提高。     

高职院校经济管理类学生专业课学习策略培训效果实证研究

探讨高职院校经济管理类学生专业课学习策略培训效果,按照各专业人数比例随机抽取150名某高职院校2017级经济管理类专业学生为研究对象,并遵照自愿随机的原则将样本分为参加学习策略培训的实验班和不参加培训的对照班,对比对照班和实验班学习策略使用水平变化。结果表明,对高职院校经济管理类学生进行专业课学习策略培训必要且可行,实验班培训后在深层次认知策略、元认知策略、情感策略、资源管理策略和深层次技能学习策略的使用水平上都有了显著提高(P <0. 05)。     

自适应神经模糊推理系统在桥梁状态评估中的应用

以钢筋混凝土中小跨径梁式桥为对象,根据结构特征和《公路养护技术规范》(JTJ 073 96)建立了主梁耐久性评估指标体系,确定了评估指标的分级标准,开发了基于自适应神经 模糊推理系统（ANFIS）的主梁耐久性评估系统.提出了根据统计学原理模拟桥梁检查数据和专家意见调查数据的方法,比较了教师数据数量对系统训练结果的影响.模拟教师数据验证结果表明,系统具有良好的学习能力和实际应用能力.应用某市三环路上的13座桥梁110根主梁的实测数据,验证了学习后的系统能够快速有效地模仿专家非线性模糊推理能力.     

基于离散度的SVDD支持向量预选取方法

为了提高SVDD训练效率、降低存储空间需求,提出了样本的离散度概念,从理论上证明了样本的离散度和支持向量可能性大小之间的关系,并以此为依据来预选取支持向量.仿真实验表明该方法能够在保证SVDD分类精度的前提下,大幅减少训练样本数,而且比现有的其它方法精度更高,证明了该方法的有效性和优越性.     

利用反映帧间图像界定运动员跑步训练强度仿真

目前运动员跑步训练强度仿真结果只是单一的画面,导致运动员跑步训练强度仿真结果,可视性低、仿真时间长,与运动员跑步运动实际结果不一致,为此提出利用反映帧间图像界定运动员跑步训练强度仿真。采用统计学测量方法获取运动员生理参数,并计算匹配因子,将运动员的生理参数与仿真人的生理参数进行匹配;在仿真平台确定仿真人关节转动、旋转角度、跑步步长、步调、步速与运动员一致,校准仿真人运动姿态;将校准后的运动姿态数据代入仿真平台,利用反映帧间图像形成连续的运动员跑步训练虚拟动画,分析运动员跑步训练,对运动员跑步训练强度进行界定。实验结果显示,在同一实验参数下,检测仿真结果与人体真实跑步运动模型的一致度,得出所提方法可以准确仿真运动员跑步运动姿态,可视性高、仿真时间短,与运动员跑步运动实际结果一致,仿真效果好,能够为监督运动员跑步训练过程提供一定帮助。     

基于对抗训练的中文电子病历命名实体识别

为提高传统命名实体识别模型在中文电子病历上的准确性,提出一种在基线模型B E RT-BiLSTM-CRF中加入对抗训练的方法,该方法在词嵌入层添加扰动因子从而生成对抗样本,并利用对抗样本进行迭代训练,从而优化模型参数.CCKS2021评测数据集实验结果表明,加入FGM和PGD两个对抗训练模型后,其精准率、召回率以及F1...     

采用卷积自编码器网络的图像增强算法

将图像增强方法低光网络（LLNet）应用于实际场景下的彩色图像时会产生大量冗余参数，为此基于LLNet提出卷积自编码器网络（CAENet）的图像增强方法. 将LLNet方法中的低光处理模块与网络训练衔接在一起；采用卷积网络代替传统自编码器的编码和解码方式. 实验结果表明：CAENet能够有效节约时间成本，减少网络参数，使网络训练更加高效，得到更好的图像低维表示. 在Corel5k数据集上的实验效果表明，CAENet在减少网络参数的同时，能有效提高图像光感和色感；在高分辨率数据集上的实验结果表明，针对图像细节方面，CAENet能够保留细节不失真；针对含噪低光图像，CAENet能在增强图像的同时达到去噪的效果，证明CAENet具有较强的鲁棒性.     

基于OC-SVM的Hadoop DDoS攻击检测

DDoS以其攻击方法简单、破坏性强且难以追查等特点一直是互联网的主要威胁,而Hadoop作为云计算的主流平台,同样面临DDoS攻击的严重威胁。对此提出了一种基于One class SVM分类算法的Hadoop DDoS攻击分布式检测体系。该体系采用主动学习和疑似攻击核实机制,实时更新训练集,可以有效降低误报率和漏报率。实验结果表明,该体系有较好的分类准确性、较低的漏报率和误判率。