基于插件技术的试题多样化解决方案和实现

针对在线外语学习平台中试题展示的需要, 研究了插件的基本思想, 将插件的思想应用到试题的设计过程中, 提出了一种基于插件的试题设计与展现方法, 并在ASP.NET MVC环境下给出了具体的设计与实现, 并将此方法应用到易立方智能化外语学习平台中. 实践证明该方法能够很好的解决题型多样化问题, 为当前在线学习平台的设计提供了一定的参考价值.     

虚拟仿真技术的三维LNG培训系统

将虚拟三维仿真技术引入到LNG加注站员工培训系统中, 不仅提高了新员工的工作效率, 还能保证LNG加注站的安全运行. 文章系统的介绍了仿真系统的组成, 各子模块的设计模型, NURBS软件建模的方法, 演示了仿真系统的人机交互功能. 该仿真系统可用于专业教学与实习、新上岗员工操作技能培训以及在岗人员事故演练与轮训. 由于其逼真、生动、感染性好, 可更好的调动学员积极性, 提高员工培训效率和质量, 为LNG加注站的安全运行提供一定的技术保障. 集先进性、科学性、灵活性于一体的LNG仿真培训系统, 能更好的应用于LNG加注站相关教学与培训, 是一种有效的提高人员技术水平的手段.     

基于Web的集群管理系统结构

介绍高性能计算集群管理现状, 并根据目前管理缺点与不足, 对集群管理系统进行了总体框架设计, 利用Linux中/proc文件系统、MySQL数据库及Web技术, 对管理数据采集、数据存储及应用接口进行了功能设计, 最终实现了在统一Web界面中对集群系统运行实时情况、历史数据统计与分析进行管理.     

基于多方排序协议的安全电子投票方案

与传统投票相比较, 电子投票拥有许多优势, 也存在重要的安全问题. 电子投票的全隐私性是评估投票方案安全的重要指标, 它是指对投票者的隐私保护和候选者的隐私保护, 特别是落选者的得票数的保护. 利用可验证秘密共享的思想提出了一个安全多方排序协议, 并将它运用到电子投票中, 设计了一个新的安全的电子投票协议, 本协议具有全隐私性.     

接收方预约信道的水声传感器网络MAC协议

为了获得更高的网络吞吐量,更低的端到端时延,设计出了一种适用于分簇网络的水声传感器网络MAC协议,该协议采用接收方建立握手机制,有效的获取邻居节点通信时的状态,动态分配发送时隙,实现数据包以报文序列方式无冲突的到达接收端.仿真结果表明,与同类MAC协议(FERI, RIPT)相比,该协议提高了网络吞吐量,降低了数据丢失率和端到端时延.     

基于学生“计算思维”能力培养的高校计算机基础教学改革与实践

基于“计算思维”的计算机基础课程教学模式,依据计算机基础课程教学培养目标,围绕科学的思维和方法进行教学改革与实践来展开研究.本研究通过对“计算思维”应用情况的调查与探索,提出了以“计算思维”能力培养为根本,构建基于“计算思维”的计算机基础课程教学模型,从理论研究、模式构建等方面反映基于“计算思维”的计算机基础课程教与学的模式建设.     

基于DE-EDA-SVM的瓦斯浓度预测建模仿真研究

瓦斯浓度作为衡量煤矿瓦斯危害程度的一个重要指标,为了能够更加准确的预测煤矿瓦斯的浓度,提出一种差分进化-分布估计（DE-EDA）算法优化的支持向量机瓦斯浓度预测新方法。利用无线传感网络系统采集工作环境中的瓦斯浓度数据,并经过降噪处理后作为训练样本。采用DE-EDA算法对SVM模型的惩罚参数C、损失参数ε以及径向基参数γ进行优化,利用优化后的模型进行瓦斯浓度的预测。通过MATLAB软件仿真可以得出,所采用的优化模型能够准确的预测煤矿瓦斯浓度的变化趋势。并与经过粒子群（PSO）算法优化的预测模型相比较。结果表明,经过DE-EDA算法优化的SVM模型具有训练速度更快、预测更准确的特点,为实际煤矿瓦斯浓度的预测和处理提供了更加可靠的理论基础。     

基于FPGA的三电平变换器SVPWM调制方法的实现

本文在研究二极管箝位型三电平NPC变换器拓扑结构的基础上,搭建三电平变换器控制系统的样机试验平台,针对60°坐标系下的SVPWM调制算法的数学模型,提出了一种基于FPGA硬件实现的SVPWM调制方案,最后通过实验验证了此调制方案的可行性和有效性。     

片上集成光电微能源工艺兼容性及器件特性研究

根据暂存式光电微能源系统组成器件的制备工艺特点,提出了基于SOI晶片的光电微能源片上集成方案。主要工艺包括绝缘沟槽刻蚀、离子注入、氧化等,具有较好的制备工艺兼容性。另外,根据片上集成方案,对器件特性进行了研究。结果表明,光伏电池的转换效率为9.7%,NMOS管阈值电压、漏极反向击穿电压VT分别为0.98 V和31.97 V,NPN三极管的电流放大倍数、集电极-发射极之间击穿电压约为83 V和12 V。各器件特性满足系统工作要求,集成方案具有较好的可行性。     

高校科研能力的协同IWD粗糙集-块神经网络评估模型

针对高校科研能力评估过程中存在的多因素、高非线性特点,经典评估模型主观性较强,导致模型评估准确性不高的问题,提出基于协同智能水滴算法IWD和粗糙集块神经网络RBNN的高校科研能力评估模型。首先,引入智能水滴算法,并针对传统智能水滴算法固定旁域搜索范围不利于提升算法搜索效率的问题,提出一种局部空间自动缩放算法LSAS,该算法根据当前种群最优个体,自动调整下一步搜索空间大小,对进化过程进行指导,提高算法的进化效率;其次,基于粗糙集理论对高校科研能力数据进行特征预处理,简化数据计算量;最后,对块神经网络和粗糙集参数进行编码,并对高校科研能力模型进行评估。仿真结果表明,此评估模型具有较高的准确性和较快的计算效率。