高职多媒体课件设计的实用性

多媒体课件教学是一种调动文字、图形、图像、声音、视频、动画多种媒体信息为教学服务的手段。课件中涉及的媒体信息越多,其相互问的协调就越重要,如果对它们间的关系处理不好的话,极易使人们的感官互相冲突,影响学习效果。从教育心理学的角度看,具有审美情趣的教学过程能充分调动学习者的各种感官,使其在轻松愉快的情境中接受知识,增强学习兴趣,提高学习者的记忆力,达到最佳的学习状态。     

浅谈计算机辅助外语教学

本文从计算机辅助系统的概念入手,从辅助教学系统的运作即视听语言实验室的建设、教学软件库的建设、试题库的建设以及计算机在教学研究中的地位等诸方面,阐述了辅助教学系统应用于外语教学这一具有超前意识和现实意义的问题,使外语教学改革冲破了传统观念的束缚而增加了新的、现代化的含义.     

小型侦察无人机任务能力及拒止距离分析

随着无人机技术的快速发展,无人机已在民用、军事领域得到广泛应用.尤其是具有"低慢小"特征的小型无人机,使用方便灵活,成本相对低廉,可用于执行侦察监视、自杀袭击等任务,对日常防空安全、重要目标防护构成严重威胁.分析研究了小型无人机主要威胁样式,重点分析了小型侦察无人机载荷任务能力,提出对该类目标拒止距离需求,可为相关拦截...     

红外空中小目标小波域检测方法

针对空中远距离红外小目标检测的实际问题,提出了一种基于小波变换的检测算法.该方法首先对小目标图像进行小波分解并在考虑高频系数能量的基础上对噪声和背景边缘系数进行抑制,然后将遗留下来的高频系数通过线性映射变换成灰度图像.其次对3个方向的高频图像按照一维最大熵法进行二值化处理并通过形态开算子进一步滤除噪声,随后将高频图像两两相与关联生成单帧检测结果,并进一步利用帧间目标位置的相关性完成小目标检测过程.最后,在原图像中以检测结果图像的质心为中心生成跟踪窗口.试验结果表明,相对于通常的小目标检测算法,提出的算法在背景抑制、检测准确度以及速度方面都具有一定的优势.     

语文教师的素质与教学效率

一、语文教师的思想水平和教学效率 当代学生素质教育要求教师要把培养"德智体美劳"全面发展的学生作为首要任务.语文属于人文科学,除了给人以知识、能力和智力外,还具有思想教育、情感熏陶、道德感染,培养性格、意志和审美观等功能.可见,语文教师在培养学生正确的人生观、世界观、价值观方面发挥着举足轻重的作用.语文教师要具有较高的思想水平,首先应该"博爱",热爱祖国、热爱教育事业、热爱学生.在教学中,把对祖国、对教育事业、对学生的热爱之情转化为无限丰富的文化知识,倾注到课堂教学的每一分钟,只有这样,才能在课堂教学中始终保持蓬勃的教学热情,使课堂教学生动活泼,衔接紧凑,而不是寡然无味、毫无条理.其次是要"尽职",就是要认真钻研教材,充分备课,熟练掌握幻灯、课件制作等先进的教学技术,同时注重不断总结成功的教学方法,优化教学过程,讲求课堂质量,课堂教学效率就会大大提高.三是要"争优",包括优良的课堂教学秩序,优异的学生学习成绩和优秀的班级整体形象.老师在日常教学中争先创优、不甘落后的进取精神,会大大增强学生的自律意识和集体荣誉感,从自身做起,维护好课堂纪律,维护好班级荣誉会在整个班级蔚然成风.     

CAI课件通用制作技术

论述了高等院校非计算机专业的教师和学生开发学科课件的通用制作技术.从掌握和应用计算机技术的层面上看,编制CAI课件的有关通用制作技术有11大类.它们是:(1)超媒体技术;(2)交互控制技术;(3)模板技术;(4)宏技术;(5)OLE技术;(6)DDE技术;(7)"抓录"技术;(8)动画技术;(9)多媒体播放技术;(10)压缩技术;(11)其他技术.     

多媒体教学的问题与对策探讨

探讨了多媒体教学中应该注意的几个实际问题,并针对存在的问题提出了一些建议.     

对我军计算机程序设计语言教学标准化的探讨

基于语言的唯一性,实施规范化教学,基于语言的社会性,建立语言统考制度;基于语言的实用性,加强语言教学的技能训练。     

基于深度迁移学习的低分辨雷达目标识别方法

针对低分辨雷达人工目标识别效率较低的问题,提出了基于深度迁移学习的雷达自动目标识别方法。该方法利用雷达回波序列轮廓像构建空中目标数据集,使用深度卷积神经网络自动提取回波数据中的深层特征,并对雷达目标进行分类识别。为了解决深度学习对样本量的巨大需求,在分类模型训练时,引入迁移学习思想,将经ImageNet数据集预训练过的初始网络模型迁移到雷达目标识别任务中,再通过空中目标数据集对模型参数进行微调,实现小样本条件下对空中目标的粗分类。实测数据的结果表明：所提方法能够在小样本条件下较为准确地对空中目标的大小和架次进行分类识别,具有良好的识别性能。     

基于可变卷积与迁移学习的小样本检测方法

针对主流方法对弱小目标识别效率低的问题,提出了一种基于可变卷积与迁移学习的小样本检测方法。基于可变卷积思想改进特征提取主干网络,实现在少量数据上达到和普通卷积在大量数据上相等的学习能力。设计一种Soft-NMS共同作用的方法降低多目标重叠容易出现的漏检问题。通过在公开数据集PASCAL VOC和实测弱小目标数据集上的实验表明,所提算法实现小样本条件下对实测弱小目标的检测与识别,且与原始方法相比性能有显著提高,在公开数据集上较原算法提高了5.5%,在实测数据集上较原算法提高了8.3%。