高等师范院校计算机专业离散数学的教学改革与实践

根据当前高等师范院校计算机专业人才培养的特点和离散数学的教学现状,从离散数学的教学内容、教学手段和实验教学等方面探讨了计算机专业离散数学的教学改革。通过这几年的改革实践,离散数学的教学效果得到了明显提高。     

浅析高校就业弱势群体的心理现状——“以毕业生的宅一代”为例

本文简要阐述高校就业弱势群体的含义,通过宅的类型来分析他们的心理,进一步探讨高校毕业生如何改善不良的心理和理性的就业,对当今社会的新新人类"毕业生宅一代"具有重大的启发作用。     

地方师范院校计算机专业的离散数学课程教学改革

从离散数学教学内容的现状和地方师范院校计算机专业学生的特点这两个方面,分析了当前地方师范院校计算机专业离散数学课程教学改革的必要性,提出了离散数学教学内容的具体改革方案。经过几年的改革实践,学生学习离散数学课程的效果得到了明显提高。     

离散信号卷积的简便运算方法

通过对信号与线性系统中离散卷积及其运算方法的分析,研究序列形式的离散信号的卷积运算过程,在图解法基础上提出了较为简便的运算方法--列表法.此列表法与图解法所得结果完全相同,却使运算过程大为简化.     

基于模糊集的教学质量评价研究

利用模糊数学的综合评价法对教学质量进行量化评价,通过严密的数学运算,获得较科学的定量化的评价结果,以避免质量评价中的主观偏向。实例表明,该模型可以更细致地反映出教师教学质量之间的差异,保证评价的可靠性和细致性,从而为教学质量的管理提供一个科学有效的方法。     

解析农机推广技术在农业生产中的重要作用

农机推广技术在农业生产中发挥着重要作用,体现在:促进农民增收,有利农业增效;提升农业生产综合效率;提升农业生产机械化水平等等。依此为出发点,解析农机推广技术在农业生产中重要作用的基础上,进一步提出了基层做好农机技术推广工作的建议——高度重视农机技术推广;组织好农机技术培训工作;做好农机技术的试验、示范和推广;做好农机与农艺的配合推广,要点性知识以供参考和借鉴。     

工程量清单报价应用中的思考

工程量清单计价模式已成为建设市场招投标发展的趋势,在这种趋势下,合理有效的工程量清单报价对项目是否中标有至关重要的作用。所谓的工程量清单报价主要是指投标人根据招标人提供的工程量清单,并按照工程量清单中相应的工程数量及其对应的单价进行整合后,得到的建安工程预算,这些预算数据就是投标人在投标过程中价格的依凭,即工程量清单报价。文章主要对工程量清单报价的相关方面进行探讨,旨在为一线工作人员提供类似的知识了解。     

不平衡数据集上的Relief特征选择算法

Relief算法为系列特征选择方法,包括最早提出的Relief算法和后来拓展的ReliefF算法,核心思想是对分类贡献大的特征赋予较大的权值;特点是算法简单,运行效率高,因此有着广泛的应用。但直接将Relief算法应用于有干扰的数据集或不平衡数据集,效果并不理想。基于Relief算法,提出一种干扰数据特征选择算法,称为阈值-Relief算法,有效消除了干扰数据对分类结果的影响。结合K-means算法,提出两种不平衡数据集特征选择算法,分别称为K-means-ReliefF算法和 K-means-Relief抽样算法,有效弥补了Relief算法在不平衡数据集上表现出的不足。实验证明了本文算法的有效性。     

基于自监督学习的不平衡节点分类算法

在现实世界的节点分类场景中,只有少部分节点带标签且类标签是不平衡的.然而,大部分已有的方法未同时考虑监督信息缺乏与节点类不平衡这两个问题,不能保证节点分类性能的提升.为此,文中提出基于自监督学习的不平衡节点分类算法.首先,通过图数据增强生成原图的不同视图.然后,利用自监督学习最大化不同视图间节点表示的一致性以学习节点表示.该算法通过自监督学习扩充监督信息,增强节点的表达能力.此外,在交叉熵损失和自监督对比损失的基础上,设计语义约束损失,保持图数据增强中语义的一致性.在三个真实图数据集上的实验表明,文中算法在解决不平衡节点分类问题上具有较优的性能.     

基于密度峰值聚类的自适应欠采样方法

基于K-means聚类的欠采样存在仅适用于超球形状数据、未考虑重叠区对分类的影响及簇中样本的稠密程度等问题.因此,文中提出基于密度峰值聚类的自适应欠采样方法.首先利用近邻搜索算法识别重叠区的多数类样本并将其删除.然后应用改进的密度峰值聚类自动获得多个不同形状、大小和密度的子簇.再根据子簇中样本的稠密程度计算采样权重并进行欠采样,在获得的平衡数据集上进行bagging集成分类.实验表明,文中方法在大多数数据集上性能表现较优.