贝叶斯网络分类器结构与变量分布的差异性分析

为了提高鉴别式学习策略训练的贝叶斯网络分类器的分类精度,分析了贝叶斯网络结构与数据中变量分布之间的差异对贝叶斯网络分类器性能的影响,实验以网络结构的实际联合概率分布的树型近似描述为基准,删除在条件对数似然函数极大化过程中不起作用的边,生成具有同一联合概率分布的不同描述程度的网络结构.实验结果表明,只有当网络结构表现力不足时,鉴别式参数学习才能起积极作用;而当网络结构中有多余的边时,反而容易受其制约.从而验证了网络中多余的边对分类器性能没有影响的观点是片面的.     

基于任务驱动的高职生就业指导课课堂教学的组织与实施

不同于一般课程,高职生就业指导课具有高目的性、高实践性、低理论性和个性化的特征,不同于本科生,高职生在就业指导课中表现出学习主动性不强、积极性不高及学习热情相对较低等特点.结合以上特点,论述了任务驱动教学法在高职生就业指导课中的实践意义以及如何进行课堂教学的组织与实施.     

浅析基于语料库的航海英语听说教学研究

以航海英语听说教学为例,分析了语料库在航海英语听说教学中的理论基础和教学研究的主要内容,着重指出了基于语料库的航海英语听说教学模式是一种培养航海技术专业的学生进行英语有效听说能力的教学方法.     

基于工作过程的发动机故障诊断学习情境设计——汽油发动机无法启动故障诊断

文中阐述了“汽油发动机无法启动故障诊断”学习情境设计,以奇瑞A3发动机无法启动故障（包括有故障码故障和无故障码故障）为例,详细叙述了故障诊断与排除的过程。是基于典型工作过程的学习情境设计,以学习情境为载体使学生掌握相关知识,激发学生的兴趣和思维,从而提高学生综合职业能力。     

一种改进型粒子群算法求解资源优化配置问题

针对粒子群算法在求解优化问题时难以兼顾收敛精度与收敛速度这一问题,提出对目标的惯性权重进行修正和引入随着惯性权重变化的惯性学习因子的方法,该算法充分利用了上一代速度与位置、自我认知和群体间信息共享3部分内容,来影响算法的优化结果,提高了算法的全局和局部的搜索能力.最后将改进的粒子群算法应用于工程项目中的资源优化配置问题中,证明了该算法的有效性.     

More robust and better: a multiple kernel support vector machine ensemble approach for traffic incident detection

This paper presents a multiple kernel support vector machine (MKL‐SVM) ensemble algorithm to detect traffic incidents. It uses resampling technology to generate training set, test set, and training subset firstly; then uses different training subsets to train individual MKL‐SVM classifiers; and finally introduces ensemble methods to construct MKL‐SVM ensemble to detect traffic incidents. Extensive experiments have been performed to evaluate the performances of the four algorithms: standard SVM, SVM ensemble, MKL‐SVM, and the proposed algorithm (MKL‐SVM ensemble). The experimental results show that the proposed algorithm has the best comprehensive performances in traffic incidents detection. To achieve better performances, the proposed algorithm needs less individual classifiers to construct the ensemble than SVM ensemble algorithm. Thus, compared with SVM ensemble algorithm, the complexity of the ensemble classifier of the proposed algorithm is reduced greatly. Conveniently, the proposed algorithm also avoids the burden of selecting the appropriate kernel function and parameters. Copyright © 2013 John Wiley & Sons, Ltd.     

基于职业能力培养的做学教一体化教学研究

分析了当前高职教育人才培养存在的问题,指出了高职教育质量及学生的就业质量不高的原因,提出了解决上述问题的"做学教一体化"的教学方法,并对该方法进行了理论分析和实践。结合现在高职教育的经验,制定出了做学教一体化教学实施的具体方案,为高职教育的发展和学生职业能力的培养提供了有效的解决方法。     

Modeling learning and adaptation processes in activity-travel choice A framework and numerical experiment

This paper develops a framework for modeling dynamic choice based on a theory of reinforcement learning and adaptation. According to this theory, individuals develop and continuously adapt choice rules while interacting with their environment. The proposed model framework specifies required components of learning systems including a reward function, incremental action value functions, and action selection methods. Furthermore, the system incorporates an incremental induction method that identifies relevant states based on reward distributions received in the past. The system assumes multi-stage decision making in potentially very large condition spaces and can deal with stochastic, non-stationary, and discontinuous reward functions. A hypothetical case is considered that combines route, destination, and mode choice for an activity under time-varying conditions of the activity schedule and road congestion probabilities. As it turns out, the system is quite robust for parameter settings and has good face validity. We therefore argue that it provides a useful and comprehensive framework for modeling learning and adaptation in the area of activity-travel choice.     

对大学生正确掌握乒乓球正手攻球击球点的实证研究

正手攻球是乒乓球运动各项技术中必须要掌握的重要技术,正手攻球稳定性及准确性能力提高是决定比赛胜负的基础和根本。本文拟以两个班对照教学实验,对此问题进行实证研究。经研究发现,在来球上升初期和下降初期击球是保证攻球稳定性和成功率的关键技术。     

交通视频辅助的桥梁动态称重方法研究

为了进一步提升既有的桥梁动态称重技术，提出一种交通视频辅助的新型桥梁动态称重方法。首先介绍基于深度神经网络的计算机视觉目标检测技术和一种计算机视觉坐标转换方法，实现从交通监控视频中实时地探测与定位桥上行驶的车辆和车轴。然后引入桥梁应变分解方法和应变影响面识别方法，建立车重、车辆位置与桥梁应变之间的映射关系，从而建立一种综合利用时间和空间冗余信息对车辆进行称重的方法。该方法构建超定的影响面加载方程组，使用最小二乘法求解该方程组以得到桥上行驶车辆的轴重和总重。最后总结出一套交通视频辅助的桥梁动态称重方法框架。为验证以上方法，在某连续大箱梁桥的缩尺模型以及实桥上进行试验。试验包含单车、双车、跟车、并行、直行、变道、匀速、变速等复杂交通工况。模型试验结果表明：该方法的车辆总重识别误差均值为-2.02%，标准差为4.77%；车辆轴重的识别误差均值为4.77%，标准差为17.50%。实桥试验结果表明：该方法的车辆总重识别误差均值为0.21%，标准差为1.53%；车辆轴重的识别误差均值为-3.59%，标准差为42.67%。除此以外，所提出的方法还可用于识别桥上车辆的数量、类型、轴数、实时位置、运动轨迹、行驶速度等多粒度交通信息。