计算机实践教学的问题及对策

本文分析了计算机实践教学的现状,对如何搞好计算机实践教学提出了自己的看法。     

基于过滤模型的聚类算法

合理的聚类原型是正确聚类的前提.针对现有聚类算法原型选取不合理、计算聚类个数存在偏差等问题,提出基于过滤模型的聚类算法(CA-FM).算法以提出的过滤模型去除干扰聚类过程的边界和噪声对象,依据核心对象之间的近邻关系生成邻接矩阵,通过遍历矩阵计算聚类个数;然后,按密度因子将数据对象排序,从中选出聚类原型;最后,将其余对象按照距高密度对象的最小距离划分到相应的簇中,形成最终聚类.在人工合成数据集、UCI数据集以及人脸识别数据集上的实验结果验证了算法的有效性,与同类算法相比,CA-FM算法具有较高的聚类精度.     

带π演算验证的FMIPv6优化方案

为解决FMIPv6的切换延迟长和丢包率高的问题,提出一种改进方案PI-FMIPv6。该方案通过引入信息学习机制、绑定代理机制及隧道定时器,将转交地址配置、重复地址检测、绑定注册等工作提前完成,并合理设置隧道生存期,优化了FMIPv6切换流程。通过π演算对PI-FMIPv6方案进行数学模型定义和推导,证明了PI-FMIPv6方案的规范性和严谨性。同时,NS-2仿真结果表明,改进方案PI-FMIPv6相对原FMIPv6方案减少至少60.7%的切换延迟和61.5%的丢包率,验证了其性能优于FMIPv6,更好地满足了实时业务的需求。     

避免路由断裂的优化AODV路由协议

移动自组网(MANET)中,节点的移动容易引起链路失效,传统的按需距离矢量(AODV)路由算法的本地修复机制局限于在链路断裂后进行,如果修复失败或者过慢,可能导致缓存的数据包丢失。针对这一问题,提出一种避免路由断裂的优化AODV路由算法ARB-AODV,该算法首先对即将断裂的链路进行预测,然后计算有关节点的相对稳定度,将稳定性较高的节点插入即将断裂的链路中,以消除节点的边缘效应来避免路由断裂。在NS-2平台下采用随机路点移动模型(RWM)和恒定比特率(CBR)数据源进行实验,在节点的移动速度大于10m/s时,ARB-AODV算法的分组投递率保持在80%以上,其平均端到端时延比AODV算法降低了40%,归一化路由开销比AODV算法降低了15%。仿真结果表明,ARB-AODV优于AODV,能有效提高网络性能。     

基于单片机的开关线性复合电源

结合开关电源和线性电源的优点,设计了一种基于单片机的开关线性复合电源.主电路包括工作在开关状态的预调整器和工作在线性状态的串联调节器,组成两级调节.采用单片机及高分辨率的DA/AD进行控制与测量,实现了连续可调的低纹波恒压源或恒流源输出.     

基于LAMP法快速检测羊肉及其制品中的猪、鸭和羊源性成分

目的建立肉制品中猪、鸭和羊源性成分的环介导等温扩增(loop-mediated isothermal amplification,LAMP)检测方法,对市售羊肉片、羊肉卷、羊肉串进行猪、鸭和羊源性成分检测分析。方法针对猪、鸭和羊线粒体Cytb基因分别设计2条外引物、2条内引物和2条环引物,优化LAMP反应条件,对猪、鸭和羊源性成分进行特异性和灵敏度试验,对羊肉制品进行上述动物源性成分监测。结果在0.2μmol/L外引物(F3和B3)、1.6μmol/L内引物(FIP和BIP)、0.8μmol/L环引物(FLP和BLP)、1 mol/L甜菜碱、6 mmol/L Mg SO4、1.6 mmol/L d NTP等参数的优化条件下,LAMP法对肉制品中猪、鸭和羊源性成分的检测灵敏度达0.5%。SYTO-9荧光染料的荧光实时检测结果与SYBR Green I染料肉眼观察结果一致。调查发现,该批市售羊肉及制品中存在掺假现象,掺假率为34.5%。结论 LAMP法具有操作简便、特异性强、灵敏度高、检测结果准确的特点,能有效地对肉制品中的猪、鸭和羊源性成分进行检测,可作为羊肉制品掺假的一种快速检测方法。