JiTT—Blending Learning理念下的C++课程特色网站开发

Ji TT充分体现了Blending Learning的本质特点,把传统学习方式的优势和E-Learning(即网络化学习)的优势结合起来。Ji TT—Blending Learning理念下的C++课程特色网站突破了时间和空间的限制,将多种教学媒体、资源、情境混合,建立了课堂学习和网络学习相结合的模式,给教师和学生提供了一个方便、高效的通过网络教与学C++课程的平台。     

合作学习在英语写作教学中的应用

英语教学包括听、说、读、写四个方面的内容。大部分教师在教学过程中,重视前三项,而对于写作方面的教学,模式相对单一,效果不理想。但是,当我们将合作学习这种方式引进课堂时,学生积极参与,思维活跃,尤其是在写作教学方面,效果非常明显。合作学习,既能激发学生潜能,帮助学生形成良好的交际能力,又凸显了学生在课堂中的主体地位。本文主要研究在合作学习方式下,英语写作教学中合作小组的具体课堂活动形式,及对学生的评价方式。     

互动教学法对Java EE课程教学效果的影响研究

为了验证互动教学法对教学效果的影响,在《Java EE及其应用》课堂的教学环节中,采用对比的方式,选择一个班级进行传统教学,另一个班级除了传统教学外,还使用Java EE教学互动平台来进行课程教学,在课堂上和课后给学生提供全方位的互动教学。实验结果证明教学互动平台对于教学效果有明显的积极影响,尤其对于70~89分数段的学生来说具有较明显的促进作用,学生卷面成绩有明显提高。     

基于AHP方法在课程学习质量评价中的应用

以河源市职业技术学校的课程学习质量评价表为评价基础,采用AHP方法研究“VB程序设计”课程学习质量评价,解决各评价指标相比较无法定量处理的问题,构建出权重比例合理的“VB程序设计”课程学习质量评价体系,并应用“学习评价系统”软件实现评价,以更好地对学生的学习质量给出更客观、更科学和更公平的评价,为该课程的改革和质量提高提供科学依据.     

基于改进粒子群优化和极限学习机的网络安全态势预测

针对网络安全态势预测模型预测精度不高、收敛较慢等问题,提出了一种基于改进粒子群优化极限学习机（IPSO-ELM）算法的预测方法。首先,通过改进粒子群优化（PSO）算法中的惯性权重和学习因子来实现两种参数随着迭代次数增加的自适应调整,使PSO初期搜索范围大、速度高,后期收敛能力强、稳定。其次,针对PSO易陷入局部最优的问题,提出一种粒子停滞扰动策略,将陷入局部最优的粒子重新引导至全局最优飞行。改进粒子群优化（IPSO）算法既保证了全局寻优的能力,又对局部搜索能力有所增强。最后,将IPSO与极限学习机（ELM）结合来优化ELM的初始权值及阈值。与ELM相比,结合IPSO的ELM的预测精度提高了44.25%。实验结果表明,与PSO-ELM相比,IPSO-ELM的预测结果拟合度可达到0.99,收敛速度提升了47.43%。所提算法在预测精度和收敛速度等指标上明显优于对比算法。     

在线教学探索与思考

随着"互联网+"时代的到来,高校的学生学习、教师教学发生了新的变化,尤其是新兴在线课程MOOC备受社会各界重视。本文以《数据结构与算法》课程为例,主要介绍了军队院校对MOOC资源的实际需求、MOOC在军队院校教学改革中如何应用以及MOOC在教学改革中的现状及存在的问题,最后分析了MOOC给军队院校教学改革带来的挑战及思考,希望能为计算机基础课程更进一步的发展提供一定的参考价值。     

移动学习在高等数学教学中的应用

随着移动通信网络的全面覆盖和5G的不断普及,移动学习随之产生并成为一种重要的学习方式。移动学习为接受远程教育的学习者提供的不仅是学习形式的改变,还给他们带来了个性化学习的崭新感觉,同时也重新吸引了那些习惯了传统学习方式的学习者的兴趣和注意。本文主要是系统地辨析了大学生对移动学习的需求近况,也给出了开展移动学习的实施方法,同时提出了面向大学生的移动学习资源建设的切实有效的方法和策略,为本科院校引导学生有效地推进移动学习提供一些思路。     

机会网络中基于元胞学习自动机的拥塞控制策略

对于机会网络中的多副本报文转发机制下由于节点缓存溢出而产生的拥塞现象,已有的控制策略仅考虑报文或者当前节点自身的信息,没有利用邻居节点之间的关系以及邻居节点上报文的存储情况来提高网络中报文的投递成功率。提出了一种基于元胞学习自动机的拥塞控制策略,主要是以局部环境中报文的特性来近似整个网络中报文的特性,根据报文所在节点的局部环境中周围邻居节点对该报文的持有情况,结合学习自动机的算法对报文的丢弃概率进行自动学习及更新。在报文复制时考虑对端节点的缓存熵信息,通过合理的报文的丢弃和复制,提高节点上缓存报文的信息量。实验仿真结果表明,该策略有效的降低了网络负载率和报文的投递延时,并提高了报文的投递率。     

非稀疏多核组合的支持向量回归方法

为了改善支持向量回归机的性能,本文提出了一种利用多核学习解决回归问题的算法(NS-MKR),算法对基本核函数的组合系数施加了Lp范数的约束(p>1),以得到组合系数的非稀疏解,并采用了两步优化方法,首先求解基于加权组合核的标准支持向量回归问题,用于学习拉格朗日乘子,然后采用简单的计算,求得基本核函数的组合系数,这两个步骤交替进行,直到满足事先定义的收敛准则。在人工数据集和真实数据集上的实验表明,相对于传统的单核和稀疏多核支持向量回归方法,本文提出的算法有更好的泛化性能。     

改进型BP网络在男西服规格尺寸自动生成上的应用

男西服规格尺寸设计对成衣的合体性和板型有着直接的影响,在现今的服装企业中,这项工作对制板师的经验依赖程度比较高,容易因人员流动影响成衣质量。随着人工神经网络等人工智能技术的发展,本文构建了一种可用于男西服规格尺寸设计的改进型BP神经网络模型,并探讨和分析了隐含层神经元数、传递函数、动量因子等影响神经网络性能的关键因素,经过多次仿真测试,表明利用改进型BP网络可以实现由人体关键部位的净体数据自动生成男西服成衣规格尺寸。若经过进一步完善,此方法还能应用于其他服装品种的规格尺寸设计,有利于提高服装企业的制板效率和成衣的适体率。