本土化应用标准10——提高教师的教学能力

1解读标准10——提高教师的教学能力标准10——提高教师的教学能力采取行动,提高教师在提供一体化学习、使用主动经验学习方法以及考核学生学习效果等方面的能力。本土化应用标准7——一体化学习经验[1]、本土化应用标准8——主动学习[2],以及将要讨论的本土化应用标准11——学习考核等都对教师     

山高自有客行路,水深自有渡船人——程序设计课程教学的思考与实践

在程序设计课程中,应该培养学生具备哪些能力以及如何培养这些能力是近年来研究和探讨的主要问题。文章首先分析程序设计课程教与学过程中存在的主要问题,然后从如何提高学生的学习兴趣和学习主动性、如何加强对学生学习过程的监督指导以及如何客观公正地评价学生的编程实践能力等几个方面,介绍笔者在程序设计课程教学中的探索与实践。     

基于GS7708的电动汽车锂电池主动均衡控制

电动汽车电池的性能很大程度上决定了电动汽车的整体性能,动力电池主动均衡技术是电池管理系统研究的热点和难点.利用GS7708均衡控制芯片,使用电感进行能量转移,提出了一种新型电动汽车锂电池主动均衡系统.模块化的设计扩展性强,可靠性高,并通过全局最优的均衡控制算法,高效的控制和调度整个均衡系统,提高了均衡速度和能量利用率.     

以“活动竞赛”引领共同体学习方式的变革

新课程改革的核心就是学习方式的变革,而自主性、探索性和合作性是新型学习方式的基本特征。"活动竞赛"教学模式是指以"活动"为媒介引导学生在课堂中自主、合作、竞争、交流,实现教学目标的过程。以"活动竞赛"教学模式引领学习共同体学习方式的变革确实能起到理想的效果。一、"活动竞赛"营造了和谐进取的人文环境"让学生主动发展"是"活动竞赛"     

基于振型分解法的车辆悬架系统主动控制

针对传统车辆被动悬架抗干扰性差的缺点,基于1/4车辆悬架系统,建立了车辆悬架动力学模型,以车身垂向加速度、悬架动扰度、轮胎变形量为控制指标,采用线性二次型(LQR)最优方法设计控制器.鉴于性能指标中加权矩阵难于确定的问题,提出基于振型分解法来优化选择加权矩阵,根据各振型分量的不同重要性,赋予各振型分量不同的权重,通过优化选择悬架系统的加权矩阵,获得最优反馈增益及最优控制力,从而抑制高频噪声和高阶计算模型误差对输出控制力的影响,提高了车辆悬架系统的抗干扰能力,并通过李雅普诺夫稳定性理论证明了系统的稳定性.最后,以二自由度车辆悬架系统在路面模拟输入作用下的动态响应为例,通过与被动悬架进行对比,证明了所提方法的正确性和有效性.     

具有时延的参数不确定主动悬架广义H2/H∞控制

提出了一种新的综合考虑系统的输入时延和参数不确定性的广义H2/H∞混合控制器设计方法,并将其用于车辆主动悬架设计.假定作动器时延是一个已知其边界但不确定的恒定的量,且系统的小确定参数是范数有界的.针对悬架设计需求,分别用H∞和广义H2性能评价指标反映车身加速度和机械结构设计约束.通过定义一个李亚普诺夫函数来同时满足闭环系统的两个性能指标,将广义H2/H∞混合控制器设计转化为线性矩阵不等式的求解.用两自由度1/4车悬架模型进行仿真,结果表明:不论是否存在有界时延和车身参数变异,控制器始终能给出很好的控制效果.     

基于AUC 优化的非线性主动学习算法及其在障碍物检测中的应用

针对障碍物检测中因样本量过大而造成的标记困难以及样本分布不均衡等问题,提出了一种基于AUC 优化的非线性主动学习算法．该算法的计算处理过程是：首先利用基于AUC 优化的算法在训练集上对非线性分类 器进行训练;然后利用已训练好的分类器对所有未标记样本进行分类;接着利用基于AUC 优化的样本选择函数计 算分类后的样本的得分;最后算法根据分值大小选出最有信息量样本,并且专家根据该样本所在的图像及在图像中 位置对其进行标记并放入训练集中．重复上述过程,直到AUC 收敛为止．在户外环境图像库上进行了实验,结果表 明：该算法能显著减小数据标记的工作量,并能解决因样本分布不平衡而引起的次优解问题,与已有主动学习算法 相比性能更优．     

基于视觉动态模型的道路检测算法研究

道路的检测与识别是自主导航车辆视觉感知研究的重要问题之一。在阴影、光照不均匀、边缘信息模糊等情况下,道路的识别与环境的理解变得尤为困难。为了提高道路识别中抗干扰和鲁棒性能力,提出了一种基于视觉动态模型的道路检测算法。该算法利用计算机视觉方法对摄像机观测系统进行建模,引入了直线变形模型描述道路环境的几何结构。基于道路图像的连续性建立对车辆运动状态的动态预测模型,并利用粒子滤波算法对状态模型参数进行预测,以达到对道路边缘的跟踪。同时,引入了似然概率作为评价道路图像与结构模型的匹配程度。通过对大量实际路面的检测,证明了该方法的有效性和实用性。     

基于蜂群遗传算法的0-1背包问题

针对0-1背包问题,本文提出了基于蜂群遗传算法的优化求解方案。该算法包括两个种群,一个主要用于全局搜索,另一个主要用于局部搜索;每个个体采用二进制编码;采用最优个体交叉策略;对当前解的处理措施是将还未装入背包且性价比最好的物品装进背包,直至不能装为止;不符合约束条件的解采用诱变因子指导变异处理;遗传算子包括单点交叉算子、简单变异算子、主动进化算子和抑制算子。本算法充分发挥了遗传算法的群体搜索和全局收敛的特性,快速地并行搜索,有效地克服了经典遗传算法容易陷入局部最优问题。数值实验表明,该算法在求解0-1背包问题中取得了较好的效果,同样可以应用于其它的组合优化问题。     

春天里的较量——2011新款杀毒软件大比拼

光阴似箭,转眼Windows 7 SP1已浮出水面。经过一年多的从XP到Win 7的转型和磨合,各大杀毒软件纷纷推出了2011新版本。随着各种新特性、新功能、新理念的粉墨登场,新一轮市场角逐的序幕在这个乍暖还寒的春天里悄然拉开了。一年之计在于春,久经毒场考验的各大杀毒软件会带来什么样的新春气息呢?这场春天里的较量又预示着什么?一番评测自见分晓,我们也将获益良多。