基于ACM竞赛的学习能力培养模式研究与实践

详细分析了ACM竞赛的特点,并针对目前程序设计系列课程中普遍存在的问题,阐述了ACM竞赛对培养学生学习能力及创新能力所具有的指导意义,结合ACM竞赛提出了一系列培养模式,包括进阶式的学习目标、开放式的学习模式、团队学习模式和多元化的评价体系。文章详细阐述了以ACM竞赛为指导的培养模式的具体实施方案,该模式在教学实践中取得了显著的效果,为培养学生的学习能力及创新能力提供了行之有效的解决方案。     

高精度合成孔径雷达图像分类算法仿真

研究合成孔径雷达图像准确性问题。合成孔径雷达图像分类过程中,特征集包括图像的Pauli特征、相干矩阵特征、小波特征、纹理特征等多特征,由于原始特征数目过多,并且采集特征伴随巨大的随机性,几乎不能建立多目标描述模式。传统的图像分类方法面临多特征、强随机性的特征集合时,因为无固定化的特征约束,导致分类效果不好的问题。为了避免上述缺陷,提出了一种基于最优分类平面的合成孔径雷达图像分类算法。利用局部二值模式纹理分析方法,进行合成孔径雷达图像特征提取,为图像分类提供准确的数据基础。利用最优分类平面方法,实现合成孔径雷达图像的分类。实验结果表明,利用上述算法进行高精度合成孔径雷达图像分类,能够获取准确的分类结果。     

聚碳硅烷的催化合成

本文研究了在硼酸丁酯［Ｂ（ＯＢｕ）＿３］存在下由低分子聚硅烷（ＬＰＳ）合成聚碳硅烷（ＰＣ）的反应。结果表明，Ｂ（ＯＢｕ）＿３具有催化聚合的作用，可在较低温度下合成较高分子量的产物。本文研究了合成条件对产物特性的影响，并对催化作用原理进行了分析与讨论。     

基于一致性准则的属性约简改进算法

针对基于粗糙集的连续值属性约简存在速度较慢的问题,提出一种改进的一致性准则的属性约简算法。从相对核的角度出发,将一致性准则的概念和属性的重要度的概念结合运用,优化了原算法的结构,加快了属性约简的速度。实验结果表明该算法有效可行。     

岩体力学参数智能反演综述

本文着重介绍了几种岩体力学参数智能反演方法的原理、特点及实现步骤.实践表明,智能反演计算精度高,克服了传统算法的一些缺陷,应用前景广阔.     

含硼Si—N—C纤维的高温结构组成研究

研究了含硼Ｓｉ－Ｎ－Ｃ纤维的组成、结构及其在高温环境下的变化。ＩＲ、ＸＰＳ、ＥＡ、ＳＲＤ、ＳＥＭ等分析结果表明，１２５０℃烧成的含硼Ｓｉ－Ｎ－Ｃ纤维由Ｓｉ、Ｎ、Ｃ、Ｏ、Ｂ几种元素组成，呈无定形结构；经１８００℃高温处理后纤维的主要结构变为α－ＳｉＣ。在高温环境下，Ｂ始终以Ｂ－Ｎ键形式稳定存在，与Ｓｉ－Ｎ－Ｃ纤维比较，含硼Ｓｉ－Ｎ－Ｃ纤维表面光滑，晶粒尺寸小，表明硼的引入可以有效改善纤维高温下的微观     

基于有限元法的塔式起重机结构模态分析

文章以大型有限元分析软件ANSYS为主要分析工具,建立起某型塔式起重机的动态计算模型,并对之进行模态分析计算,得出其前8阶固有频率及前4阶振型,为合理设计该型塔式起重机的结构与设备的安全使用提供依据。     

基于用户角色定位的微博热点话题检测方法

针对在海量微博数据中提取热点话题效率较低的问题,在对用户角色分类的基础上,提出了一种新的热点话题检测方法。首先,根据用户关注度进行用户角色定位,过滤掉部分用户的噪声数据;其次,采用结合语义相似度的TF-IDF函数计算特征权重,降低语义表达形式带来的误差;然后,用改进的Single-Pass聚类算法进行话题聚类,提取出微博话题;最后,根据微博转发数、评论数等对话题热度进行评估排序,从而发现热点话题。实验表明,所提出的方法使漏检率和误检率分别平均降低12.09%和2.37%,有效地提高了话题检测的正确率,验证了该方法的可行性。     

结合语义扩展和卷积神经网络的中文短文本分类方法

中文新闻标题通常包含一个或几十个词,由于字符数少、特征稀疏,在分类问题中难以提升正确率。为解决此问题,提出了基于Word Embedding的文本语义扩展方法。首先,将新闻标题扩展为（标题、副标题、主题词）构成的三元组,用标题的同义词结合词性过滤方法构造副标题,对多尺度滑动窗口内的词进行语义组合,提取主题词;然后,针对扩展文本构造卷积神经网络（CNN）分类模型,该模型通过max pooling及随机dropout进行特征过滤及防止过拟合;最后,将标题、副标题拼接为双词表示,与多主题词集分别作为模型的输入。在2017自然语言处理与中文计算评测（NLP&CC2017）的新闻标题分类数据集上进行实验。实验结果表明,用三元组扩展结合相应的CNN模型在18个类别新闻标题上分类的正确率为79.42%,比未经扩展的CNN模型提高了9.5%,且主题词扩展加快了模型的收敛速度,验证了三元组扩展方法及所构建CNN分类模型的有效性。