基于结构方程的大学生学习满意度分析与评价

文中基于结构方程模型(Structural Equation Model, SEM),运用Amos、Python和SPSS,构建了高校教学满意度研究的概念模型,以不同年级、性别、专业的在校大学生为调查对象,运用结构方程模型、信度效度检验、描述性统计分析、差异性检验、相关性分析以及构建评价模型的方式对大学生学习满意度及其影响因素进行测度与分析,为本科高校教学水平的提升提供参考。研究发现,教师教学、学习价值等6个因子较为稳定且信度、效度良好,是影响大学生学习满意度的主要因素。     

环境中高氯酸盐污染特性及其影响因素

高氯酸盐是一种持续性的无机污染物,环境中的高氯酸盐具有非挥发性,高溶解性等特征。如今,随着水体中高氯酸盐污染越来越频繁地被人们所发现,高氯酸盐污染问题愈加凸显。对环境中高氯酸盐的主要来源,常用的处理方法及其降解过程的影响因素进行了总结,并对高氯酸盐修复处理的发展前景进行了展望。     

快速稳健的背景运动场估计方法

从运动背景中检测与跟踪运行目标是计算机视觉研究领域的热点，其中的困难之一是消除运动背景的影响，提出一种基于均匀稀疏采样减少仿射变换参数估计计量的快速方法，并且利用Huber函数对误差的敏感度不同的特性，使得背景的仿射参数估计过程只对背景像素点敏感，减少了前景运动物体对参数估计造成的误差，提高参数估计的精度。     

基于转矩观测器的垂直轴风力发电最大功率跟踪反演控制

为了提高垂直轴永磁直驱风力发电系统控制的鲁棒性和自适应性,针对大范围风速扰动和系统参数不确定的特点,应用非线性干扰观测器(NDO)实现垂直轴风力机气动转矩的估计,再结合反演(Back-stepping)控制方法设计发电最大功率跟踪(MPPT)控制器。控制器采用基于最佳转速跟踪的MPPT策略,通过逐步选择虚拟控制量和构造李雅普诺夫函数,使每个被控子系统具有良好的渐近特性,进而得到整个系统在大扰动下的全局渐近控制律。利用Matlab/Simulink建立系统的仿真模型,通过与PID控制器的对比实验,验证了反演控制器设计的正确有效性。     

播存网络环境下UCL推荐多样性优化算法

播存网络将广播分发模式引入现有互联网体系结构,极大地降低网络共享过程中产生的冗余流量,可有效缓解信息过载问题.播存网络采用统一内容标签(uniform content label, UCL)适配用户兴趣和推荐信息资源,在UCL个性化推荐过程中,如何结合播存网络的富语义、高时效特征,有效地提高UCL推荐列表的多样性,成为播存网络中一个亟需解决的关键问题.针对播存网络环境的需求,提出了一种基于语义覆盖树的UCL推荐多样性优化算法UDSCT,将该问题分为UCL语义覆盖树构建和多样化UCL列表查询2个步骤.在UCL语义覆盖树构建阶段,基于语义覆盖树的若干约束条件,充分考虑UCL语义信息及非语义用户评分信息,同时,较新的UCL具有较高的优先权,以保证列表的时效性;在多样化UCL列表查询阶段,采用简单树查询及启发式列表补充操作,可快速高效地获得多样性优化后的UCL推荐列表,并可进一步根据用户请求快速返回指定的UCL集合.通过理论分析及一系列仿真实验验证,结果证明：UDSCT算法相对于基准算法能够获得更好的多样性优化效果及效率,可有效满足播存网络环境的需求.     

分布式无线智能LED光照度调控系统

针对现代智能楼宇与基于物联网技术的LED光源调控应用需求,设计了一套分布式无线智能LED光照度调控系统;系统采用上下位机结构,以MSP430微处理器为分布式控制终端的主控单片机,根据控制终端内部预制的LED开启时间段和预期光照度参数,进行基于光照度反馈的分布式LED光源亮度PWM闭环调控,并通过无线通讯方式实现上位机对分布式多点LED调光控制终端的开关控制、预制参数调整和光照度状态监测.通过测试实验验证了系统设计的正确有效性.     

一种播存网络环境下的UCL协同过滤推荐方法

信息资源在分发共享过程中存在带宽拥塞、内容冗余等问题,播存网络借助“一点对无限点”的物理广播分发共享信息资源,对解决此类问题有独特优势.播存网络采用统一内容标签(uniform content label, UCL)适配用户兴趣和推荐信息资源,用户如何高效地获得自己感兴趣的UCL是播存网络中的关键问题.针对该问题,提出一种播存网络环境下的UCL协同过滤推荐方法(unifying collaborative filtering with popularity and timing, UCF-PT).首先,通过设定一对相似度阈值来计算用户与UCL数据的稀疏情况,根据稀疏情况决定二者对UCL评分的影响权值,并基于二者权值预测用户对UCL的评分,生成推荐结果集.其次,依据UCL热度调整推荐结果集的UCL顺序,从而使热门UCL更容易推荐给用户;最后提出UCL价值衰减函数,保证较新的UCL具备较高的推荐优先级.实验结果表明：与传统推荐方法相比,该方法不仅具有良好的推荐精度,还可保证所推荐UCL的热度与时效性,更适用于在播存网络环境下推荐UCL.