现代远程教育走进“民兵之家”

近年来,江苏省建湖县人武部借助地方网络优势,利用现代远程教育系统开展民兵教育工作,不仅使“民兵之家”办得有声有色,而且还有效地促进了民兵政治教育的落实。建湖县的现代远程教育采取卫星接收、有线电视、互联网和光盘播放“四位一体”的模式。据不完全统计,     

战术互联网网络管理模型

战术互联网具有与一般通信网络不同的特征与要求,为此其网络管理需要采用新的方案来解决。采用模型分析方法,对战术互联网网络管理的活动模型、功能模型、组织模型、运行模型、通信模型与视图模型进行了分析研究,从而为战术互联网网络管理方案确立了总体框架,并为战术互联网网络管理系统设计提供了指导思路。基于所研究的模型,可以使战术互联网网络管理系统适应战术互联网的特殊性,满足战术互联网的作战运用需求,保障战术互联网充分发挥作战效能。     

基于B／S结构的网络课件生成系统

现代远程教育是建立在计算机网络技术基础上的一种新型的教育方式，是构建终身学习体系的主要手段。但是网络课件却成为现代远程教育的一个瓶颈，就这个问题提出一种模块化的网络课件生成系统，该系统面向系统机器人、教师客户端、学生客户端三个对象设计，具有很好的可操作性、健壮性和扩展性。     

对国防教育占领网络阵地的思考

江泽民同志曾明确指出:“互联网已经成为思想政治工作的一个新的重要阵地。”党的十六大报告也指出:“互联网站要成为传播先进文化的重要阵地。”国防教育内容的丰富性和教育对象的广泛性,决定了国防教育必须不断优化载体,更新手段,才能不断提升教育水平。进入20世纪90年代,迅猛发展的互联网,不仅参与人数多、信息量大,而且形象直观,互动性强,为我们开展国防教育构建了一个现代化信息平台,对加强和改进新时期国防教育工作带来了难得的机遇。当前,我们亟须增强用国防教育占领网络阵地的意识,在国防教育中主动开辟、占领、利用和净化网络这个…     

武警部队远程教育培训探讨

针对武警部队集中学习相对困难的情况,对当前远程教育培训模式进行了探讨,分析了远程教育中的资源建设问题,并以《汽车构造》课程为例进行了网络课程的开发,为武警部队培养高素质的现代官兵队伍提供有益参考。     

运用思想互动微交往 助力思想政治教育创新发展

思想互动微交往,是指借助新兴的移动互联网终端,利用微博、微信和微视频等互动载体,在网络虚拟平台和空间里实现人与人之间信息传递和交流的交往方式。这一新的交往方式,打破了传统的人际交往模式,推进了全时空全覆盖的思想互动与交往,密切了教育双方的沟通联系,也为思想政治教育春风化雨、落细人心提供了更现实的途径。深入研究思想互动微交往的特点功效和运用机理,有助于更好发挥思想政治教育在“微时代”的价值引领作用。     

把握网络技术特点增强思想政治教育效果

信息网络技术的发展为部队思想政治教育提供了新的方法手段,同时网络构建技术的特性也对部队有效开展思想政治教育提出了新的要求.要更新教育理念、把握教育内容、提升教育工作者信息素质,从而增强部队思想政治教育的主动性、针对性和渗透力,推动思想政治教育工作不断发展.     

大数据时代高职院校网络思政教育精细化探究

大数据、云计算、物联网、区块链、人工智能等新一代信息技术的集成运用,为高职院校网络思政教育带来新的机遇与挑战,本文以马克思主义理论为指导,运用教育学、计算科学、管理学等学科综合性研究的理论视角,剖析高职院校网络思政教育存在的现实矛盾,提出网络思政教育精细化的概念,尝试探索出大数据时代高职院校网络思政教育精细化的三大路径,为大数据时代高职学生思想政治教育工作提供可遵循的实践范式。     

新风扑面满目春——山东省乳山市开展民兵网络远程教育纪实

近年来,山东省乳山市人武部依托网络打造远程教育平台,积极探索民兵政治教育新模式,取得丰硕成果。截至目前,全市已有616个教育站点进入“青年民兵之家”,有92％的民兵通过网络平台参加了     

占领互联网这一重要思想文化阵地

网络作为突飞猛进的新兴媒体 ,已成为时代的新宠 ,它以快捷、广泛的方式 ,迅速进入了人们的生活 ,给人们开辟了一个新的获取信息、学习、娱乐和交流的空间。探索研究如何利用、发挥计算机网络的技术优势 ,因势利导 ,兴利除弊 ,促进和加强我军的思想文化建设 ,是摆在我们面前的一项全新的任务。本文以江主席“三个代表”的重要思想为指导 ,研究“网上政工”的特点与规律 ,分析互联网给部队思想文化建设所带来的正、负面影响 ,探讨兴利除弊的有效对策。一、互联网的发展现状及其军事意义互联网也称因特网 (Ｉｎｔｅｒｎｅｔ) ,最初由美国国防…     

自由环境下网络数据采集与分析

以小波分析的原理与算法为基础提出一种新的自由环境下网络数据采集与分析方法,使用这种方法可以监测网络的状态、数据流动情况以及网络上传递的信息。当信息以数据流的形式在网络上传输时,在互联网的入口处设置监测系统,便可以源源不断地将网上传输的信息截获。通过该监控技术可以任意采集和分析因特网上的各种信息,如网页访问http,电子邮件email,Telnet,Ftp等,以及这些信息中的用户名和密码,并对采集到的数据进行分析和还原。一旦发现有黑客行为、恐怖分子信息、邪教信息、反民族信息等非法信息,技术系统会自动捕获,并将有关的信息(包括:非法信息来源的IP地址、目的地址等)发送至监控中心,监控中心根据需要可通过功能设定,对非法可疑的IP地址锁定实施24小时自动跟踪。从而及时发现网络犯罪,保护网络与信息安全。     

中国特色网络文化建设与大学生思想政治教育

随着网络技术的发展，网络文化也运用而生。网络文化的双面效应给高校的思想政治教育工作带来了新的挑战。本文在分析网络文化对大学生影响的基础上，提出构建中国特色的网络文化，推进大学生思想政治教育的思路和措施。     

互联网对大学生德育素质的影响及对策

互联网正迅速进入人类社会生活的各个层面,并带来人们精神生活、价值观念、道德领域的深刻变化,同时对大学生德育素质带来影响,大学德育工作面临新的机遇和挑战.应正确地认识和看待互联网的发展对大学生德育素质的影响,构建大学德育网络系统,不断加强大学生网络道德文明建设.     

论网络舆情与高校思想政治教育的关联

随着互联网的普及,网络舆情对高校思想政治教育产生了广泛影响,二者之间存在密切关联。网络舆情蕴含思想政治教育功能,思想政治教育对网络舆情具有疏导作用。根据二者的密切关联,对大学生开展有针对性的教育已成为思想政治教育工作者面临的新课题。     

网络文学在大学生思想政治教育中的功能及其影响研究述要

随着网络的发展和普及,网络文学已深入人们的生活,大学生深受影响。网络文学作为思想政治教育的有效载体之一,它的影响给大学生思想政治教育工作注入了新的活力,同时也带来了巨大挑战。为了更直观地了解＂网络文学与大学生思想政治教育的交叉研究＂在国内的总体研究概况,笔者将对网络文学的研究成果做全面系统的梳理,提出进一步的思考,旨在为高校思想政治教育提供借鉴和参考。     

多约束条件下互联网骨干网路由器级拓扑生成方法

互联网骨干网是网络流量的中枢传输系统,其路由器级拓扑结构对于网络抗毁性分析具有重要意义。由于难以获取互联网骨干网路由器级的真实拓扑,通过分析骨干网的形成因素,将地理位置、节点间联系强度、基础设施费用、鲁棒性等因素结合起来,提出一种多约束条件下的互联网骨干网路由器级拓扑生成方法。该方法既可以构造难以公开获取网络测量数据的骨干网,也可以用来生成某一骨干网的多种替身拓扑集。通过现实中的互联网骨干网作为实例,验证了方法的有效性。     

论网络化时代高校心理健康教育体系建设

网络是把双刃剑。一方面，由于网络形成的网络心理障碍、网络成瘾综合症等突出心理健康问题给高校心理健康教育带来严峻的挑战；另一方面，网络也给高校心理健康教育带来了难得的机遇。本文就如何构建网络化时代高校心理健康教育体系提出了建议。     

军事院校推动国家安全教育研究

提出互联网+时代军队院校面临与军队新型作战能力培养有关的国家安全时代课题,从整合新媒体网络资源、依托校园文化平台、构建国家安全教育体系三方面进行了对策分析,重点探索与新军事变革密切相关的"文化安全、军事话语传播、地缘政治"等议题,以学术活动的顶层设计将国家安全教育融入军事院校学员具有中国特色的军事理论创新。     

基于Linux虚拟服务器的负载均衡技术探讨

Internet业务量的激增和网络应用特殊化都使得负载均衡成为迫切需求。如何实现网络服务器负载均衡是一个急待解决的新课题。而LVS是一个具有良好的扩展性、高可靠性、高性能、高可用性的基于Linux系统的服务器集群,利用它可以较好解决这一问题。针对Linux虚拟服务器集群的负载均衡技术,探讨了其体系结构、工作方式、负载均衡算法,并以一简单的应用实例介绍了其具体实现。这样可以在很大程度上减轻网络的负载,提高网络的效率,是未来网络服务器技术的主要发展方向之一。     

基于深度森林的网络流量分类方法

随着网络应用的迅猛发展,流量分类在网络资源分配、流量调度和网络安全等诸多研究领域受到广泛关注。现有的机器学习流量分类方法对流量数据特征的选取和分布要求苛刻,导致在实际应用中的复杂流量场景下分类精确度和稳定度难以提高。为了解决样本特征属性的复杂性给分类性能带来的不利影响,引入了基于深度森林的流量分类方法。该算法通过级联森林和多粒度扫描机制,能够在样本数量规模和特征属性选取规模有限的情况下,有效地提高流量整体分类性能。通过网络流量公开数据集Moore对支持向量机、随机森林和深度森林机器学习算法进行训练和测试,结果表明基于深度森林的网络流量分类器的分类准确率能够达到96. 36%,性能优于其他机器学习模型。