独立学院计算机应用基础教学探索

在独立学院的新生中,计算机应用基础的水平差异明显,且传统教学大纲中的各块内容相对独立,造成教学内容前后联系不强。在日常教学中,在建构主义教学原理基础上采用了"分层次、模块化"教学方式,提升学生学习的兴趣,同时也使得学生所学更贴近于实际,在相关考试中,取得较好的成绩。     

矢量中值滤波改进算法研究

在众多彩色图像滤波算法中,矢量中值滤波算法应用最为广泛,但VMF算法在处理每一像素时,计算复杂度较高,这就限制了它在一些领域中(例如实时系统)的应用.在保留VMF算法优点的前提下,通过数据的重用,降低计算的复杂度.实验结果表明,一定程度的数据重用能有效提高算法的运行效率.     

探索计算机教学中学生自主学习能力的培养

在独立学院计算机教学中，因为学生个体之间存在差异，其对教学信息的理解接受能力差别也很大。笔者基于混合教学模式，以符合学生需要和教师需要为前提，将多种新式教学手段引入到实际教学中，作为课堂教学的补充，为学生营造自主学习的情境。     

独立学院计算机应用基础教学探索

在独立学院的新生中,计算机应用基础的水平差异明显,且传统教学大纲中的各块内容相对独立,造成教学内容前后联系不强。在日常教学中,在建构主义教学原理基础上采用了＂分层次、模块化＂教学方式,提升学生学习的兴趣,同时也使得学生所学更贴近于实际,在相关考试中,取得较好的成绩。     

基于微学习的《数据结构》教学改革与研究

移动网络的飞速发展对学生的日常生活习惯产生了潜移默化的影响,教育工作者无法忽视这一现象,因此传统的课堂教学必须做出相应的调整以适应这一变化。微信是当前学生中广泛使用的即时通讯软件,它支持语音短信、视频、图片、文字、多人群聊等功能,应用于教学后能较好地将多媒体课程资源以微内容的形式推送到学生手机。笔者在《数据结构》教学过程中,结合已有的模式,以微信为辅助,以微学习模式提升学生课外学习质量,在实践中取得了一定的效果。     

融合渐近性的灰狼优化支持向量机模型

大数据的发展对数据分类领域的分类准确性有了更高的要求;支持向量机(Support Vector Machine,SVM)的广泛应用需要一种高效的方法来构造一个分类能力强的SVM分类器;SVM的核函数参数与惩罚因子以及特征子集对预测模型的复杂度和预测精度有着重要影响。为提高SVM的分类性能,文中将SVM的渐近性融合到灰狼优化(Grey Wolf Optimization,GWO)算法中,提出了新的SVM分类器模型,该模型对SVM的参数与数据的特征子集同时进行优化,融合SVM渐近性的新灰狼个体将灰狼优化算法的搜索空间导向超参数空间中的最佳区域,能够更快地获得最优解;此外,将获得的分类准确率、所选特征个数和支持向量个数相结合,提出了一种新的适应度函数,新的适应度函数与融合渐近性的灰狼优化算法将搜索引向最优解。采用UCI中的多个经典数据集对所提模型进行验证,将其与网格搜素算法、未融合渐近性的灰狼优化算法以及其他文献中的方法进行对比,其分类准确率在不同数据集上均有不同程度的提升。实验结果表明,所提算法能找到SVM的最优参数与最小特征子集,具有更高的分类准确率和更短的平均处理时间。     

基于颜色和纹理特征的道路网络自动提取研究

提出了一种从高清晰的航拍图像中自动地提取出道路网络的方法,要求的输入仅仅是彩色航拍图像.应用了一项修改过的TPA技术;另外,新的开始点提取方法和基于此的新的评估方法也得以应用.该方案主要由三大模块组成:1,第一次道路检测;2,统计与融合;3第二次道路检测,评估及后期处理.