在实践中探索初中计算机课程的教学方法

随着社会的进步和信息化时代的到来,无论是在城市,还是在农村地区,计算机课程在初中都已普遍开展,城市地区的计算机课程也扩展到小学阶段了。然而,每一个教师都在教师实践中不断地探索着更好的教学方法,开创更好的教学模式,希望能提高教学效率,达到更好的教学效果。     

基于SIP家庭网关和Web Service的智能家居系统

提出了一种将 SIP 家庭网关技术和 Web Service 技术相结合的智能家居系统的设计和实现方案,详细介绍了系统各功能模块,给出了在 PDA 上调用基于 SIP 家庭网关的 Web 服务来监控家中各电器状态的实现结果。该技术可以向用户提供智能家居管理、远程监控等具体服务。     

模糊C-均值(FCM)聚类算法的实现

传统的FCM算法能够将靠近边界的具有固有形状的两个簇合并成为一个大的簇.然而,对于一些稍微复杂的数据,如果没有其它的像去除小簇之类的机制的话,FCM算法很难将非常接近的类聚类到一起.给出的聚类算法是在传统FCM算法的循环之后添加了去除掉空簇的步骤,解决了上述很难将非常接近的类聚到一个簇中的问题.另外,为便于选出最优结果,在递归之后又添加了计算聚类有效性的步骤.最后用Java实现了该算法并在数据集上进行了实验,证实了改进方法的有效性.     

虚拟煤矿事故救援训练系统设计与实现

针对煤矿事故救援训练时高成本、耗时长、缺乏灵活性、不能适应复杂的变化、存在危险的问题,提出了一个将训练过程以游戏的方式进行的虚拟煤矿事故救援训练系统设计方案。分析了该系统的总体结构,阐述了该系统各模块的功能。并结合实际开发经验,就三维建模、粒子系统、碰撞检测等技术进行了探讨。     

融合粗糙集和F!方法的空中目标类型识别算法

通过分析粗糙集和Dempster-shafe(DS)方法在描述不确定信息上的相似性,将这两种理论融合建立统一框架$提出了融合粗糙集和DS方法的空中目标类型识别算法.该算法通过知识库推导得出基本概率分配函数,采用基于粗糙集的信任函数作为可信度度量,使得改进后的算法更有理论深度.实验结果表明,算法具有良好的运行效果.

     

n值逻辑系统中的随机化研究

利用赋值集的随机化方法,在n值逻辑系统Rn提出了公式的DRn-真度的概念。给出了两公式间的DRn-相似度与伪距离的概念,建立了DRn-逻辑度量空间。     

话语标记的语体特征研究及应用

话语标记作为一种常见的话语现象,已成为话语分析研究的重要课题。由于研究角度不同,人们对于话语标记的认识和分类至今仍存在较大差异。该文从语体的角度提出假设,认为话语标记具有一定的语体特征。为准确描写话语标记的语体特征,提出了“语体度”的概念。通过对采样话语标记在不同语体的语料中分布情况进行定量分析,证实了相当一部分话语标记具有明显的语体特征,并根据分析结果选择特征向量,采用Rocchio分类法对开放文本进行自动语体分类实验,正确率达到82.9%。事实证明话语标记的语体特征对文本分类具有一定的参考价值。     

基于混合瑞利分布的三维医学图像分割算法

水平集算法是当前比较重要的分割算法,研究该算法的三维分割技术.提出高斯分布和瑞利分布相结合的方法进行概率密度函数的确定与分析,通过随机极大似然算法(SEM)把瑞利分布引入到水平集三维分割演化模型中.该方法成功应用于多种医学组织的三维分割,提高了分割速度和分割效果,减少了参数的设置.     

局部PCA参数约束的Hough多椭圆分层检测算法

针对随机Hough变换(RHT)在复杂图像中检测圆及椭圆时随机采样所造成的大量无效采样、无效累积以及运算时间长等问题,提出基于局部PCA感兴趣参数约束Hough多椭圆分层检测思路。首先利用边缘检测算子获得边缘信息并去除边缘交叉点,在边缘图像中标记并提取出满足一定长度的连续曲线段;其次利用线段PCA方向分析确定是否属于有效曲线段;然后,对所有感兴趣曲线段按照标记顺序依次利用椭圆拟合办法初步得到感兴趣椭圆粗略参数,根据拟合结果进而模糊约束Hough变换参数搜索范围,得到精确椭圆参数;最后利用检测结果更新图像空间,删除已经检测到的椭圆,依次进行,直到所有椭圆检测完毕。实验结果表明,该算法在计算、存储消耗上均大大减少。     

做下一个google

2006年。“SecondLife”因成就了现实世界中的第一位百万富翁而名声大噪,而此时,在IBM任职了七年的叶蓬站在“SecondLife”的门口,终于找到了自己创业的方向。从创业最初的二十几人发展至今,优万的团队规模已经超过百人,在经济危机影响下的中国,优万依旧在招兵买马壮大自己的实力。“我们希望成为google那样的公司,关键是他能让那么多人肯定他的价值,这一点很难得。”叶蓬温文尔雅外表下的雄心在此刻展露无疑。但是谁也不能否认这个可能,当初google还仅仅是个小团队的时候,又有谁曾想到他今日的叱咤风云呢？