案例教学法在学前教育学课程教学中的运用

学前教育学课程是学前教育专业学生系统学习本专业知识的认知起点,在教学中运用案例教学法能弥补学生对本专业的感性认知和实践经验的缺乏,对于教师的"教"、学生的"学"和师生之间、生生之间的互动都有十分重要而有益的价值。本文诠释了案例教学法的基本内涵,在此基础上论述了案例教学法在学前教育学课程教学中的重要价值,最后探讨了在学前教育学课程教学中案例教学法的实施过程和应当注意的问题。     

多机器人最大熵博弈协同定位算法

研究了多机器人观测到同一目标时的协同定位问题。建立了各个机器人相对观测一致程度的数学描述模型,进而提出用基于极大熵准则的最大熵博弈获取使相对观测一致程度最优的协同定位方式。针对博弈结果的多样性,相应地改变观测方程的雅克比矩阵,推导了可适应多机器人各种博弈结果的扩展Kalman滤波协同定位算法。仿真实验表明,方法可实现机器人团队在协同定位时有选择、更高效地共享相互间的观测信息;在保证协同定位精度提高的同时有效地消除了多机器人相对观测信息间的冲突。     

多码组合扩频通信中软解调解扩算法研究

多码组合扩频通过采用多条PN序列叠加传输的方式,在相同带宽条件下相比多进制扩频可有效提高信息承载能力,然而,多条PN序列并行叠加会造成检测性能下降。从解调解扩联合处理角度,提出基于最大似然解调检测的联合解调解扩的软判决算法,该算法通过对接收组合序列进行最大似然网络图相关值路径搜索,完成解调解扩联合处理。从而既克服了硬判决解调导致的信道信息损失,又节省了常规软判决算法中相关器的数量需求。仿真结果表明:所提算法在相同误码率情况下相比硬判决算法提升约6 dB。     

一个基于图着色的CACHE优化方法

提出了一个编译时的Cache管理优化方法。该方法根据访存行为将程序中的数据划分成若干数据对象,根据数据对象的大小将Cache划分为一个带有别名的伪寄存器文件,每个伪寄存器由若干Cache行组成,可以容纳一个数据对象;使用一个经过改进的图着色寄存器分配算法来决定这些对象在Cache中的位置以及发生冲突时的替换关系。数据对象的划分将Cache的管理分为两个层次,一个是编译时编译器对粗粒度的数据对象的管理,另一个是运行时硬件对细粒度的Cache行的管理,这样编译器和硬件的优势都得到发挥。基于GCC进行了方法实现,并通过simplescalar构造了支持Cache Coloring的硬件模拟平台。实验结果表明Cache Coloring能较好地开发程序的局部性,降低Cache失效率。     

复杂自然背景中人造目标的分割研究

在以自然景物为背景的图像中,分形维数特征是一种能有效将人造物体从自然背景中分割出来的一种纹理特征.提出了一种基于Gabor滤波器及差分盒维数的分形纹理特征提取方法,该方法依据不同的滤波器尺度分别采用不同尺寸的滑动窗口来计算分形纹理特征.并利用FCM方法实现了对图像的分割.实验表明该方法能很好地对真实自然背景的图像进行分割,并能由此获得人工目标的轮廓图像.     

高炮对巡航导弹毁伤概率仿真

针对高炮射击中误差的复杂性,根据相关性把射击误差分为三类,并通过近似方法把射击误差由三类转化为两类,进而借助分布函数合成定理法对高炮单炮一发的毁伤概率计算提出了算法,并在此基础上依次给出了单炮一次点射以及炮连一次点射对巡航导弹的毁歼概率计算方法;且运用此计算方法,参照巡航导弹的参数来选取计算参数,通过仿真的方法研究了巡航导弹的易毁性以及射击时目标被弹面积的变化对毁歼概率计算结果的影响,并给出了相应仿真结果.     

火灾报警系统防误报对策研究

阐述了火灾探测器的原理,找出发生误报警的根本所在,结合实际分析用户在使用过程中引起误报警的原因,并提出了防止误报警的对策。     

基于规则推理和自然语言理解的坦克火控知识库系统

针对坦克火控系统设计中如何充分利用专家经验性知识的问题,从坦克火控知识库系统设计面临的两个主要问题出发,提出基于规则推理的知识库系统构建方案,并针对其中的知识表示、知识检验和知识推理技术进行了研究,同时在知识获取这一瓶颈问题的研究中引入自然语言理解技术来进行专家经验性知识的自动获取。整个系统的设计与实现能够起到将专家经验与设计过程相结合的辅助作用。     

柔性神经网络滑模主动控制技术

针对复杂激励条件下的振动控制,对Jiles-atherton模型的磁致伸缩作动器在双层隔振系统中的主动控制进行了研究。以传统滑模控制为基础,提出一种柔性神经网络滑模控制算法。用正则化方法设计控制器的切换矩阵,建立神经网络权值和柔性映射参数更新学习公式,并将该控制策略应用于双层隔振系统的振动主动控制中。通过单频、多频及随机信号激励进行仿真研究,结果表明:柔性神经网络滑模控制器具有较强的鲁棒性,具有较好的控制效果。     

一种面向个性化服务的无需反例集的用户建模方法

随着WWW信息的快速增长 ,查找用户感兴趣的信息变得越来越耗时耗力。个性化服务能为不同的用户提供有针对性的服务 ,日益受到研究者的重视。用户建模是实现个性化服务的关键技术。传统的需要正、反例集作为训练例集的用户建模方法容易干扰用户的正常浏览 ,或者由于推断失误而引入噪声。基于遗传算法和k近邻方法提出了一种无需反例集的用户建模方法 ,该方法被应用于个性化信息过滤中。实验结果表明 ,基于无需反例集的用户建模方法的信息过滤算法可以达到 73 91%的过滤率和 94 4 4 %的过滤精度。无需反例集的用户建模方法是一种可行、高效的用户建模方法