疫情限制下物联网工程专业应急教学体系构建研究

由于疫情防控严重影响高校教学活动的展开,而且物联网工程专业知识涉及跨度范围大,导致疫情期间线上教学活动问题多。为了改善疫情限制下的物联网工程专业各课程教学效果,基于该专业基本情况分析疫情下的教学问题,探索疫情期间物联网工程专业应急教学体系构建方案,提升线上课堂亲和度,完善线上实验教学,师生共建线上综合资源平台,深化线上校企合作,开展线上思政全动员,实现任何突发情况下的物联网人才优质培养。     

无线传感器网络中基于数据融合的移动代理曲线动态路由算法研究

和传统的C/S模型相比,移动代理模型在数据融合方面更适合无线传感器网络.在基于移动代理的数据融合算法中,移动代理访问传感节点的顺序以及总数对算法的效率、网络寿命等有着重大影响.为此提出了一种基于数据融合的移动代理曲线动态路由算法设计方案.通过构造特定数据结构的数据报文和数据表,给出了目标节点基本信息收集算法获取目标节点到处理节点的最优路径;将移动代理路由归结为一个优化问题,由静态路由算法求出移动代理迁移的静态最优路由节点序列,进而获得了移动代理基于曲线的动态路由算法.理论分析和模拟实验表明,随着传感器网络规模的增大和传感数据量的增加,和其它算法相比,该算法有更小的网络耗能和延时.     

Asymptote在解析几何教学中的应用

以Asymptote为工具,探讨解析几何教学的新方法与新思路,将复杂知识图形化、互动化,从而提高教学质量,激发学习兴趣。     

离散数学与计算机应用结合的若干实例研究

挖掘离散数学在计算机中的应用实例,尝试教学中的理论与实践相结合,提高教学质量,激发学习兴趣。     

事件驱动传感器网络中基于数据聚合的自适应路由算法

为优化事件驱动传感器网络总能耗,提出一个基于数据聚合的自适应路由算法,它能够实现低控制开销的事件域节点分布式成簇,计算并借助于路由汇聚中心,建立一棵基于事件的近似Steiner树,有效减少网内数据分组与控制分组的传输量.理论分析与实验表明,该算法的路由结构建立与维护开销较少,能优化数据聚合效率,实现高能效的数据收集,提升网络性能.     

基于OMNeT++的《计算机网络》教学探索

OMNeT++是一款开源的网络仿真软件,通过讨论《计算机网络》教学的不足,探索将OM-NeT++应用于网络教学中的方法,同时论述其必要性、有效性与可行性。     

高精度施肥系统设计与实现

精准施肥是保证农作物高产的关键,人工手撒和小型机械喷洒的施肥方式准确度较低,容易造成化肥浪费、肥料分布不均、环境污染等问题,影响农作物产量。为此,本文设计并实现了一套包含配肥、混合、排肥和喷洒子系统的高精度施肥系统。其中,配肥子系统根据接收的配比方案过程,通过计量泵等器件控制化肥原液的流量,精确配置所需的液态化肥;混合子系统采用SK型静态混合器对液态化肥与稀释液进行混合,通过化肥在混合器中周期性改变流动方向以实现良好的径向混合或稀释效果;排肥子系统中的电脉冲信号频率影响步进电机泵抽取液态化肥的速率,通过控制电脉冲信号精确把控泵出液态化肥的流量;喷洒子系统采用内螺纹雾化喷头,基于控制泵出液态化肥的压力改变雾化粒径及雾化角的大小;通过4个子系统对施肥过程的精确把控,最终实现高精度施肥。     

基于Django框架的美多商城系统设计与实现

随着中国社会现代化进程的不断推进,传统的购物方式也发生了巨大的变化,现在人们更倾向于网上购物,特别是接触互联网较多的年轻人,网上购物系统不仅有着更优惠的价格,也为大家省去了线下游逛的时间。文章主要研究基于python语言Django框架下的美多商城设计与实现,采用前后端分离模式,分为用户模块,商品模块,购物车模块以及订单模块的前端页面展示和后端逻辑部分。通过这些模块的协同工作,很好的展现了Django框架用于web服务搭建的优势,能够为用户提供完整的网上购物体验。     

一种新的传感器网络非规则小波数据处理算法

针对传感器网络非规则小波数据处理,为获得精确数据并进一步节约数据传输能耗,提出了基于可变Voronoi多边形的非规则小波数据处理算法.该算法利用节点采样数据的变化调节其Voronoi区域,以放大非规则小波尺度系数的变化,有效反映数据突变;同时Sink根据尺度系数的变化和精度处理情况决定是否需部分小波系数及重构数据区域,由此实现数据的精确重构及网络节能.理论分析及实验结果表明了该算法的可行性与有效性.     

一种基于显现模式的基因分类算法

基于基因表达谱的分类技术对于疾病检测具有十分重要的研究意义。利用显现模式（Emerging Patterns,EPs）的基因分类方法不仅可以识别癌症样本,同时可以挖掘出隐含的与癌症相关的具有生物意义的基因模式,从基因角度揭示癌症病理。针对提取显现模式时在小样本情况下将频率近似于概率的缺陷以及PCL（Prediction by Collective Likelihood）分类器的不足,提出一种基于显现模式的基因分类算法：在显现模式的提取中引入贝叶斯估计以提高熵的可靠度,并借鉴KNN思想,提出一种新的基于EP的分类算法EP-KNN（Emerging Patterns-K Nearest Neighbors）。最后在急性白血病数据集上进行实验,实验结果表明新的算法提高了分类正确率,说明了该方法的有效性。