基于多元智能理论的大学英语视听说自主学习模式研究

以多元智能理论为基础,介绍了沈阳建筑大学开展视听说自主学习模式试点教学的实践过程,并通过问卷和访谈调查了学习者对视听说自主学习的总体评价以及自主学习过程中存在的问题。研究表明,大部分学习者能够适应网络自主学习模式,并比较认可网络自主学习对英语学习的作用,但是视听说自主学习模式在教材、教学软件设计、学生之间、师生之间的交流与互动等方面还存在一些不足,学习者的积极性也有待提高。针对这些发现,本文提出了相应的教学建议。     

网络环境下大学英语自主学习中的情感因素调查研究——以沈阳建筑大学为例

通过问卷调查和访谈的方式研究了影响学习者自主学习能力提高的三个重要情感因素:焦虑、学习动机、学习态度。研究表明,大多数受试者在网络环境下的大学英语自主学习中呈现出适度焦虑的心理状态,但仍有少部分学生存在着一定程度的焦虑;学习者的工具性动机高于融入性动机;学习者有一定的自主学习意识,但是对自己在自主学习中的角色不够明确。针对这些发现,提出了相应的教学建议。     

多媒体网络环境下大学英语自主学习模式研究

通过问卷调查和访谈的方式对多媒体网络环境下大学英语自主学习模式进行研究和分析.结果表明：多媒体网络环境下的大学英语自主学习模式比较灵活,针对性强,有助于全面提高学习者的英语语言运用能力,大部分学习者也比较认可这一新型的学习模式.但是,自主学习的教材、学习软件、硬件设施等方面还存在不够完善的地方;同时,仍有一部分学生的自控能力较差,缺乏自主学习意识.因此,在今后的教学实践中,要进一步完善自主学习的软件和硬件设施,同时建立有效的监督机制和评估机制,以提高学生的自主学习能力.     

基于主题词与信息熵编码的文本零水印算法

为实现电子文档的版权保护,提出一种基于主题词与信息熵编码的文本零水印算法.采用TF-IDF(term fre-quency-inverse document frequency)算法抽取文本主题词,并获取主题词在《同义词词林》中的编码,同时统计全文信息熵直方图并以此进行编码.最后进行编码融合,并通过RSA加密算法进行加密,加入时间戳后形成文本零水印.同时定义了一种编码相似度计算方法,用以判定文本是否抄袭.实验结果表明,所提算法具有很强的隐蔽性与鲁棒性,且在语句删减、同义词替换、句型转换等攻击下表现优于现有算法.     

基于归因论的大学英语自主学习影响因素研究

采用问卷调查和访谈的方式,从归因论的视角探讨影响大学英语自主学习的三个主要因素:学习动机、学习观念和学习环境。结果表明,大多数学习者的外在动机高于内在动机;学习者有一定的自主学习意识,但是对自己在自主学习中的角色不够明确;自主学习的环境监控较弱,评估机制也有待改进。针对这些发现,提出相应的教学建议。     

以市场需求为导向的翻译硕士培养模式与评价体系研究

随着我国对外文化、经济交流合作的迅速发展,培养高层次的翻译专门人才成为社会发展的必然要求。翻译人才的培养应该和翻译市场联系起来。只有了解、关注市场的需要,把市场因素考虑进来,才能使翻译人才的培养适应翻译市场的需求。文章从市场需求的角度出发,以沈阳建筑大学为例,从课程设置、教学模式、师资建设、评价体系等几个方面探讨了以市场为导向的翻译硕士培养模式。     

密集小蜂窝网络中基于用户接入的能效优化研究

为解决小蜂窝网络中基站密集部署导致能耗过高的问题,提出一种基于用户接入的能效优化算法。根据基站邻接关系对小蜂窝网络中的基站进行分簇,并引入合并因子均衡分簇规模。在此基础上,结合用户接入速率与基站负载情况,利用改进的混沌量子粒子群算法求解最佳用户连接矩阵,同时依据网络流量变化实现基站开关的动态切换管理。仿真结果表明,该优化算法在保障用户QoS的前提下,能提升系统能效,适用于5G无线网络。     

基于随机森林的IP地址城市级定位方法研究

针对传统IP地址定位方法准确度低的问题,提出了一种基于随机森林的IP地址城市级定位方法.该方法分析了IP自身特点及IP间存在关系,分别对经过路由特征和地域触发特征进行了定义,并通过主动测量提取IP多维度特征,然后结合机器学习的思想训练构建分类器,以实现对IP所处城市的定位.在此基础上,利用真实的IP地址数据集对所提定位方法进行实证分析.实验结果表明,基于随机森林的IP地址城市级定位方法可以实现IP在物理空间上到城市级的精准定位,且定位结果与主流IP定位工具一致.此外,该方法模型训练时间短且无需进行复杂调优,在保证定位可信度的前提下运行耗时少,具有更高的实际应用价值.     

视听说自主学习与大学英语学习策略研究

以自主学习理论、语言学习策略理论为理论依据,以沈阳建筑大学为例,采用问卷调查和访谈结合的方式调查了网络环境下自主学习过程中元认知策略、认知策略、社交策略的使用情况。调查结果显示,大学数学生能够在自主学习的过程中运用一些元认知策略和认知策略,但社交策略的使用程度较低。     

基于层次时空特征与多头注意力的恶意加密流量识别

为实现互联网全面加密环境下的恶意加密流量精确检测,针对传统识别方法较依赖专家经验且对加密流量特征的区分能力不强等问题,提出一种基于层次时空特征与多头注意力(HST-MHSA)模型的端到端恶意加密流量识别方法.基于流量层次结构,结合长短时记忆网络和TextCNN有效整合加密流量的多尺度局部特征和双层全局特征,并引入多头注意力机制进一步增强关键特征的区分度.在公开数据集CICAndMal2017上的实验结果表明,HST-MHSA模型的流量识别F1值相较基准模型最高提升了16.77个百分点,漏报率比HAST-Ⅱ和HABBiLSTM模型分别降低了3.19和2.18个百分点,说明其对恶意加密流量具有更强的表征和识别能力.