摘要：针对学生军训时需要大量人力监管保障的问题,结合ZigBee低功耗通信技术,设计了利用上位机和ZigBee通信实现实时监控军训时学生身体多种生理参数（如体温、心率、血糖血氧浓度等）、军训环境等功能的系统,从而达到有效、科学的进行学生军训管理的目的。该系统采用基于ZigBee技术的CC2530芯片,各传感器模块经CC2530节点设备自带的ZigBee模块以无线的方式将采集到的数据发送到上位机。该系统经过测试表明,运行稳定、实时性好、性价比高,有效预防意外突发事件,满足了学校对学生军训管理的实时监控。

摘要：针对考试系统和学习系统中实现Office操作题自动改卷工作量大,而一个院校可能在多个应用系统中都要实现Office操作题自动改卷,为此提出一种可行的方案,开发一个Office操作题改卷中间件平台,不同语言不同DBMS开发的应用程序通过中间件平台都可以实现对Office文档的快速改卷。中间件平台实现的功能包括Office文档的评分和标准答案信息的生成。中间件平台由改卷组件和改卷信息数据组成,讨论了中间件平台的系统分析和系统设计过程,重点介绍改卷组件建模过程,对系统实现及中间件平台的调用也进行了介绍。

摘要：随着人们生活水平的提升以及消费观念的改变,健身作为一种生活方式风潮正盛。而培养健身教练的体育运营与管理专业,责无旁贷地承担起为不同人群、不同环境、不同身体状况的健身人群设置运动处方的责任。那么,在“健康中国、体医结合”的大背景下,将医学部分内容学引入到体育运营与管理专业的课程设置,将是大势所需。因此说,随着健身产业的不断发展,尤其是体育服务产业呈现井喷式发展的背景下,既懂体育理论、体育产业发展特征又懂得运动医学的复合型人才需求旺盛。

摘要：基于环境监测与治理技术专业的教学实践,在分析社会需求和用人单位对环境专业学生素质、能力等人才规格要求的基础上,提出基于角色扮演的工程教学方法,以校企"双平台"实践教学体系基础为载体,完成环境工程角色扮演的设计与实施环节,并以水处理工艺教学为例,阐述了基于校企双平台的角色扮演法的教学过程,提高学生的教学参与积极性及教学效果。

摘要：本文主要针对无线智慧校园网络的建设过程进行了研究,根据业务需求和实际的工程应用环境,使用无线地勘系统、工程制图等软件实现无线网络工程的勘测与设计,输出无线地勘报告,解决了施工方案中无线AP点位难部署的问题,对认证计费进行分析与设计同时也满足了校园场景的无线接入、智慧上网需求。

摘要：大众文化在当代中国的广泛流行对大学生思想和行为产生了深刻影响,文章分析了大众文化社会效应的双重影响,并从三方面提出了应对措施,即高校思想政治理论课必须担负起应对大众文化的重任;要注重解决学生思想问题与实际问题的统一,在人文关怀中发挥思想政治教育的工作功效;要丰富校园文化活动的内容和形式。

摘要：针对专业基础课Java程序设计课程教学效果欠佳的现状,笔者所在的教研室积极探索,提出基于OBE教育理念的课程教改与实施方案。以最终学习目标为出发点进行反向课程设计,从教学内容、教学策略、考核方式等方面进行课程教学模式研究和改革。在课程教学中实施基于成果导向教育的教学模式,它提前为学生展示了学习后应达到的学习成果,通过该模式确实提高课程的教学设计、教学水平和教学成果。

摘要：新时期"健康中国"的背景下,市场对于体育专业人才的需求增加。然而体育行业相关人才仍旧呈现出需求旺盛与供给短缺不对等、服务质量与需求预期差距大、人才培养与市场需求衔接不畅通等现实问题。面对高职体育专业人才与大众体育产业融合发展这一目前高职体育专业教育中的突出问题,如何推进高职体育专业人才培养质量,创新人才培养模式,培养符合社会、市场需要的标准化、高质量健身人才就成了高职教育者和学界亟待解决的问题。因此,有效构建"校企共同体"模式,运用产教融合模式,提升高职院校体育人才的创新创业能力,对于培养新常态下职业教育相关专业人才在从业中的工作能力与创新能力而言就成了一条有效的实施路径。

摘要：采用小样本学习技术设计了基于CSI的场景鲁棒性跌倒检测系统(FDFL,fall detection system based on few-shot learning)。现有基于Wi-Fi无线信道状态信息(CSI,channel state information)的跌倒检测方法跨场景应用性能退化明显,通常需要在每个应用场景采集并标记大量的CSI样本,给大规模部署造成极高的成本。为此,引入了小样本学习的方法,可以在陌生场景标注样本数量不足的情况下仍然保持高准确率的跌倒检测性能。所提FDFL主要分为源域的元训练和目标域的元学习两个阶段。源域的元训练阶段包含数据预处理和分类训练两个部分,数据预处理阶段将采集的原始CSI幅度和相位数据进行去噪、分段等操作;分类训练阶段利用大量处理好的源域数据样本训练一个基于卷积神经网络的CSI特征提取器。在目标域的元学习阶段,基于元训练模块中训练的特征提取器对目标域中采样的少量标注样本进行有效的特征提取,进而训练生成一个轻量型机器学习分类器对跨场景下的跌倒行为进行检测。通过多个不同场景下的实验,FDFL在只需要目标域少量样本下即可以实现对跌倒、坐着、步行、坐下的四分类任务达到95.52%的平均识别准确率,并且对测试环境、人员目标、设备位置等因素的变化保持鲁棒的检测准确性。