五轴联动加工中心工作台及床身强度数值分析

代表了数控技术最高水平的五轴联动加工中心已成为先进制造业的标志,而我国数控技术基础相对较差,在五轴联动加工中心研发过程中存在周期长、效率低及投入资金大等问题。本文采用有限元法对五轴联动加工中心的工作台与床身强度进行分析,获得了工作台与床身在不同位置的形变分布图,根据形变分布图分析了各零件易发生破坏的区域,为五轴联动加工中心结构的优化与设计提供理论支持。     

新的无线传感器网络分簇算法

针对无线传感器网络节点能量受限的特点,提出了一种响应式分布分簇算法(RDCA,responsive distributedclustering algorithm).该算法不需预先得知节点自身及其他节点的位置信息,而仅根据局部拓扑信息快速进行分布式的簇头选举,并根据代价函数进行簇的划分,适用于周期性获取信息的无线传感器网络.分析与仿真表明,该算法具有良好的负载平衡性能和较小的协议开销,与LEACH协议相比,能够减少能量消耗,网络生存期大约延长了40%.     

一种结合用户适合度和课程搭配度的在线课程推荐方法

在线学习由于不受时空限制而愈来愈流行.如何从成千上万的在线课程中选择合适课程是在线学习者面临的极大挑战,在线课程推荐应运而生.但现有课程推荐系统仍面临2个主要问题：1)不同用户具有不同的学习能力和需求.因此,需要仔细考虑用户对不同课程的适合度,否则可能会导致推荐的课程难度太大.2)目前的课程推荐方法忽略了推荐课程与用户已学课程之间存在的可搭配关系,可能导致不合适的推荐.针对以上2个问题,首先深入分析了用户的学习特征、类型及其对不同课程的学习适合度;同时,利用课程的共同被选频率,对不同课程之间的可搭配关系进行探究.基于以上2个方面,提出了一种结合用户适合度和课程搭配度的课程推荐模型(user-suitability and course-matching aware course recommendation model, SMCR).在CN(canvas network)数据集和MOOC(massive open online courses)数据集上进行的对比实验结果表明,该方法可以达到更高的推荐准确性,而且SMCR模型能够向用户推荐既适合其学习又与其已学课程可以进行搭配的课程.     

基于二分图的个性化学习任务分配

学习是一种复杂的事件.个体的学习效果受多方面因素的影响,且不同个体有不同的学习习惯,学生通常难以根据自身学习特点合理规划学习时间表.虽然目前有关任务管理方面的研究提出了一些具有通用性的理论管理策略,但其忽略了个体间的差异性;另外,现有研究不能提供一种计算方法来形成具体的任务管理方案.针对上述问题,文中通过数据分析找出学...