面向物联网和大数据的机器学习研究

随着物联网和大数据技术的发展,卷积神经网络在图像分类任务中取得了显著的成果。研究为了解决传统岗课赛证课程存在数据传播有限、特征提取困难等问题,构建了一种面向于物联网和大数据下的岗课赛证教育课程分类的卷神经网络分类识别模型。首先利用物联网与大数据对教育课程分类进行研究,然后将课程分类与卷积神经网络相结合,构建了适用于岗课赛证课程分类的模型,最后通过将训练好的模型应用到实际测试数据上进行训练和测试。结果表明研究构建的岗课赛证课程分类识别模型在课程分类准确性、PR曲线和F1值分别为90.61%、0.89和0.81,实验结果均优于对比方法。这验证了研究提出的岗课赛证课程分类识别模型具有较高的分类识别能力,同时这项研究对于岗课赛证的发展起到了推进作用。     

基于“岗课赛证”育人模式在网络攻防实践课程中的应用研究与实践

推进“岗课赛证”融通，是高职院校适应职业教育发展阶段的现实要求，高职院校应始终坚持社会主义办学方向。"岗课赛证"融通育人模式下，基于计算机网络专业网络安全岗位能力标准、职业技能大赛标准、职业资格证书标准等多项标准，使高职学历教育与职业技能培训得以一体规划、一体实施。本文在厘清“岗课赛证”关系的基础上，通过分析网络安全行业的岗位和专业特点对该核心专业课程网络攻防实践课程进行了重构和课程内容优化，形成基于“岗课赛证”融通育人模式的课程体系。     

基于“1+X”证书制度高职通信专业人才培养模式变革研究

以“1+X”证书制度试点为引领,深入开展产教融合,开展基于“1+X”证书制度的“思、岗、课、证、赛”五位一体的人才培养模式改革,将课程思政、X职业技能等级证书标准、职业技能大赛等内容与专业人才培养过程相衔接,与专业课程内容相融合。以课程建设为平台,推动新一轮教育教学改革,提高专业人才培养质量。     

数据通信网络及其设备配置课程思政实践研究

课程思政建设是落实立德树人的重要举措。数据通信网络及其设备配置课程思政基于校企合作岗课赛证项目化设计教学内容,“1点+2深”挖掘思政元素,五个维度增强团队教学能力,在线上线下混合教学中采用案例式、讨论式、问题导向式和启发式等教学方法,构建和践行多元化评价模式,把思政自然融入课堂,实现专业课程与思政教学同向同行。     

“1+X”证书制度下Web前端开发课程教学设计与实践

根据教育部专业教学标准和Web前端开发职业技能等级标准要求,将人才培养定位聚焦于区域经济和IT行业发展。深入企业进行调研,明确吉林省IT行业实际需求,完成岗位能力分析。将“1+X”证书标准融入Web前端开发课程,持续进行课程诊改,实现课程与Web前端工程师岗位对接、与职业院校技能竞赛对接、与“1+X”证书对接的“岗课赛证”融合育人模式。创新“OOHIT”混合教学模式,将分层次教学与竞赛机制相结合,提升学生的专业能力和职业素养。     

岗课赛证融通的网络专业课程体系的构建

为了进一步提升高职专业人才培养质量及增强人才培养的适应性,本文提出了构建融合工作岗位、课程体系、职业技能大赛和职业技能等级证书的课程体系的一般原则和方法。文中以江阴职业技术学院为例,详细阐述了学院计算机网络技术专业课程体系的建构思路。学校的教学实践证明,课程体系中有效融合“岗课赛证”有助于培养适应地方经济社会发展需要的高素质技术技能人才。     

数据挖掘课程案例教学研究

数据挖掘是一门交叉性学科,是情报学专业的重要课程之一。它主要介绍数据挖掘的基本概念、原理、方法和技术,涉及多个学科和算法因而教学难度较大。由于数据挖掘学科交叉性强涉及的挖掘方法和相关算法多并繁杂,造成学生对数据挖掘的整体工作流程缺乏了解形成“不识庐山真面目只缘身在此山中”现象。文中以时间序列服装销售额预测挖掘项目为教学案例让学生首先掌握数据挖掘的标准流程,重点讲解用到的相关挖掘方法和算法及其在实际挖掘环境中的开发方法,达到“会当I临绝顶一览众山小”的教学目标。通过教学实践教学效果良好。     

基于OLAM的聚类关联挖掘在交叉销售中的研究应用

OLAM（On-line Analytical Mining）是当前的热点技术,是融合了联机分析处理（OLAP）和数据挖掘（Data Mining）的一种新的数据挖掘技术。该文主要针对商业中的交叉销售问题,提出一种基于销售多维数据集的聚类关联规则OLAM挖掘模型。利用SQL Server Analysis Services（SSAS）平台的数据挖掘工具,实现了该OLAM聚类关联挖掘模型,利用该模型的挖掘模式获得了对客户交叉销售的推荐方案。     

新工科背景下Python教学探讨与实践

新工科背景下Python程序设计已成为大部分高校开设的大数据公共课程。本章以“计算思维与Python程序设计”课程为例,结合教学实践,从教学内容设计、教学手段设计、考核方式设计等方面阐述整个教学框架,探索优化适合本校学生的教学模式和方法,挖掘学生学习的内驱力。教学实践证明,提出的教学框架一定程度上有助于提高教学效果,提高学生的编程乐趣。     

大数据时代数据挖掘与分析课程教学改革探究

从理论知识、编程实践、工程实战三个方面对数据挖掘与分析课程进行教学改革.课程采用Python编程语言,围绕贵州省经济文化特色及大数据发展战略,充分运用大数据、数据挖掘、知识图谱等新兴技术来分析贵州省各领域现状,挖掘其内在价值.近三年的教学实践证明了该教学改革的创新性和有效性,培养了学生的大数据思维,为贵州省聚焦大数据战略行动贡献力量.     

基于大熵值变化区域和余弦相似度的离群迭代算法

离群数据挖掘是数据挖掘领域中的重要分支之一.将聚类迭代的思想应用到离群数据挖掘中,给出一种基于大熵值变化区域和余弦相似度的离群迭代算法OIALEVCS.该算法首先针对离群挖掘特点,使用大熵值变化区域来选择初始候选离群对象;其次在每次迭代过程中,利用对海量高维数据有效的余弦相似度作为离群度量因子,搜索每个邻域内最离群的对象作为新的候选离群对象,直至迭代收敛;最后采用晚型星、高红移类星体、类星体三个天体光谱数据集,实验验证了算法有效性和可行性.由于该算法充分利用了大熵值变化区域来选择初始候选离群对象,因而进一步加速了迭代收敛的速度,提高了离群挖掘精确度.     

基于小波熵的时间序列分段聚合近似表示

由于时间序列数据具有高维性等特征,不易直接进行挖掘.在对时间序列数据进行挖掘之前通常先进行特征表示达到降维的目的,分段聚合近似表示(PAA)是特征表示方法中比较常用的一种,针对PAA算法对每一区间有平均对待的缺点,提出一种采用小波熵的时间序列分段聚合近似表示,将小波熵运用到PAA算法的改进中,把某一区间内的小波能量熵值作为判评区间复杂度的指标,按各区间内小波熵值的比重分配各区间内分段数,实现对复杂区间详细描述,对相对平稳区间粗略逼近,利用matlab平台仿真证明,上述方法在压缩比相同的情况下比PAA方法更好地拟合原始序列,不仅能对时间序列有效地降维,而且能使近似更加精确,进而实现时间序列数据挖掘效率的提高.     

基于数据挖掘的网络新闻分析与系统设计

随着新媒体技术的发展，媒介环境中的信息量迅速增多，并伴随着大数据技术和人工智能技术的不断迭代。运用数据分析技术能够实现在大量的信息中总结并分析出热点新闻问题，对于社会科学研究者来说，其所提供的关键线索非常有意义。设计采用Python语言，充分运用requests、数据挖掘、数据分析等技术，根据微博热搜来分析当前热点领域信息内容，挖掘其内在价值，将媒介融合进一步深化，为社会科学研究者提供有效线索。     

融合交叉熵损失的3DCNN探水作业动作识别

为解决矿井探水作业中人工验收效率低、耗时长等问题,提出一种融合交叉熵损失函数的3 DCNN探水作业动作识别模型.使用ReLU非线性化函数和SoftMax交叉熵损失函数,将隐含的特征数据判断分类别后再进行学习,得到较为丰富的批次网络信息图;将批量归一化操作引入到网络结构中,弥补网络模型收敛速率慢的不足,提高模型的泛化能力...     

基于数据挖掘的高职《C语言程序设计》课程能力培养分析

本文利用了数据挖掘技术对高职院校《C语言程序设计》这门课的考试成绩进行分类和预测,通过有效的挖掘,运用类比较方法,找出学生在学习这门课程中的隐含信息,为提高教学质量和深化教学改革,提供指导和辅助作用。     

传感与检测技术课程“课岗融通”教学实践研究

为了构建符合“课岗融通”规律的“传感与检测技术”课程整体设计,以湖北国土资源职业学院为例,对高职院校传感与检测技术课程进行了改革实践,提出基于“校企融合、课岗融通”的任务型课程整体设计方案。实践结果表明,该任务型课程设计可以有效地激发学生创新思维,多维度地培养学生检测应用能力,提高其综合职业素养。     

Python与R语言混合编程方法的研究和应用

在大数据时代,需要大量的算法从杂乱无章的海量数据中挖掘出重要的信息,实现数据的商业价值。Python和R语言都是主流的开源编程工具,定位于数据挖掘和算法编制。Python是一种基于Web、免费、轻量级的解释型语言,而R语言是具有强大算法包的全球流行数理统计软件。结合2种语言的优点,通过Python调用R语言进行混合编程,解析Python调用R的本地和远程两种方法。在阿里云ECS上布置R语言服务器,发挥Python语言强大的胶水功能,在本地机搭建Flask Web框架,实现R语言Holt-Winters预测算法的ECharts网页数据面板的编制。     

基于数据挖掘的高职《C语言程序设计》课程能力培养分析

本文利用了数据挖掘技术对高职院校《C语言程序设计》这门课的考试成绩进行分类和预测,通过有效的挖掘,运用类比较方法．找出学生在学习这门课程中的隐含信息,为提高教学质量和深化教学改革,提供指导和辅助作用。     

基于Python的计算机软件应用技术探究

计算机软件应用技术指的应用各种计算机软件,帮助企业解决生产、经营及管理中的各种问题.Python语言具有独特的优势,当前在数据爬取、软件分析等方面的应用快速发展.基于此,在分析Python语言的特点和应用优势的基础上,主要从数据挖掘等方面研究Python语言的应用技术,希望能为相关技术人员和企业提供有价值的参考,促进相关企业更好地应用Python语言获得发展,助力我国经济增长,推动信息技术的持续发展.     

关联规则在课程相关性中研究与应用

关联规则挖掘是数据挖掘领域的一个重要课题，本文介绍了在数据挖掘中关联规则的基本概念和与理论，进一步讨论了关联规则在课程相关性挖掘中的应用。学生成绩库在经过一定的预处理后，用Apriori算法挖掘出隐藏在数据背后的有用规则，以指导学生的选课。