摘要：在互联网的时代背景下,从大量的网络信息中快速获取批量的图片资源,是一个值得研究的论题。在此基于Python爬虫框架中的5个部分,按照Requests模块的6个步骤,实现快速且批量获取网络图片的爬虫程序设计。实验结果表明,该爬虫程序代码量少、思路清晰、简单易学、结果正确,具有一定的实用性。

摘要：随着“互联网+”和大数据时代的到来,网络上充斥着各种各样的数据,过滤并获取有用的数据在当今环境下至关重要。文章提出一种基于Python和Requests模块的快速获取网页数据的方法,使用该方法可以获取解析前的网页源代码文本和图片数据,并保存为本地文件,为之后的数据分析和深入学习大数据技术奠定基础。实验结果表明,该方法步骤和代码编写简单易学,运行结果较好,具有一定的实用性。

摘要：根据细胞神经网络(CNN)数学模型,提出一种新的彩色图像边缘检测方法。新方法继承了CNN的优点,解决了CNN现有算法不能直接检测彩色图像边缘的问题。该方法充分利用图像中的颜色信息,通过欧几里得距离度量像素之间的差异,使CNN方程可以在RGB彩色空间中进行运算。对CNN模板进行理论分析和鲁棒性研究,提出一个实现彩色图像边缘检测功能要求的CNN鲁棒性定理,为设计相应的CNN模板参数提供了解析判据。实验结果表明,该方法可以对彩色图像进行有效的边缘提取,定量评价验证了CNN边缘检测定位准确的优点。

摘要：利用细胞神经网络(CNN)模型对彩色图像边缘检测时,首先要解决彩色空间的选择以及颜色距离的计算问题,其次网络参数的选择也是一个重要问题。为了达到在确保边缘检测准确的同时有效抑制噪声的目的,对整幅图像进行分块自适应检测,采用熵来度量图像的各个子区域的不同性质,然后根据该区域的性质选择一组合适的网络参数,对提取该区域图像边缘的CNN模板进行了理论分析和鲁棒性研究,提出一个设计符合相应功能要求的CNN鲁棒性定理,它为设计相应的CNN模板参数提供了解析判据。仿真实验表明,该算法具有较好的健壮性。

摘要：基于细胞神经网络CNN的图像处理的研究和应用已取得了很大进展。在图像处理中,边缘检测是基本预处理方法之一。为了能够较好地对彩色图像进行边缘检测,结合人类视觉系统HVS的特点,先分别计算两个颜色的亮度距离和色度距离,然后将这两个距离的加权平均值作为最终的颜色距离。本文利用CNN模板对彩色图像边缘提取,并对其进行理论分析和鲁棒性研究,提出一个设计符合相应功能要求的鲁棒性CNN定理,它为设计相应的CNN模板参数提供了解析判据。仿真实验结果表明,该算法可以对不同特性的彩色图像进行有效的边缘提取,具有较好的健壮性。

摘要：探索在E-learning环境下,依托于云平台的共享交互模式,提出高职院校微课程建设策略,建立一套利用数字化云平台技术促进微课程教学的微课程设计与开发模式.利用微课程进行针对性教学,能够提升教学效率,适应不同情境下的学生自主学习、合作学习、移动学习和终身学习,拓宽职业教育学习渠道,为高职教育的教学改革和发展带来新思路.

摘要：为了解决高职学校计算机基础课程学习效果的问题,在分析了ARCS动机设计模式理论基础上,首先调查学生的学习动机,然后设计动机策略并应用在计算机基础课程教学中,最后对动机策略的实施效果进行评估。实施效果表明ARCS动机设计模式在高职计算机基础课教学中的应用是有效的,能激发学生的学习动机。

摘要：探索大数据时代的特点,应用大数据技术量化课程质量评价标准,完善从结果到过程的评价标准,使质量评价体系向多主体、多层次趋势发展.提出E-Learning课程质量评价体系的设计方案,将大数据技术的优势引入E-learning课程质量评价体系,为高职院校E-learning课程的建设和完善提供理论支持和帮助,为诊断教育问题、完善教育政策、改进教育教学提供依据,也为高职教育的教学改革和发展带来新思路.

摘要：针对高职院校计算机专业毕业生缺乏应用能力、创新精神和职业素养这一现状,提出要吸取CDIO"做中学"的先进教育理念和方法,树立CDIO"教学做"三位一体的新理念,从科学合理的培养方案、完整的课程体系和严谨的教学质量评价等方面进行探索与实践,设计出有利于促进学生创新思维和创新能力培养的高职计算机类应用型创新人才培养模式,以点带面,惠及全校所有的工科专业,并希望在其他理工科院校加以推广.

摘要：围绕计算机基础课程教学效果的问题,采用对比分析的方法,分析了现有的教学模式,提出"启导—探究—综合训练"的创新型教学模式。做到结合学生特点设计任务、课堂任务培养自主学习、综合训练培养创新意识和分组协作培养团队精神等。研究结果表明:该教学模式能有效提高《计算机基础》教学质量,达到"创新教学模式,培养实践能力,培养团队精神,培养创新意识,促进全面发展"的培养目标。