摘要：研究对应用型本科混合式教学课程考核方法进行构建,以数据结构课程为例,设计了多元化、全过程的考核机制,分别对课程目标要求的知识、能力和素质三个方面,给出了具体的考核内容和方法。通过学生的进步、课程目标达成分析和学生评教等,验证了这一混合式教学模式设计和课程考核方法的有效性。这种多元化的考核机制能够全面评估学生的学习效果,提高教学质量,促进学生的综合能力的发展。

摘要：为了解决单一服务器上的Moodle(Modular Object-Oriented Dynamic Learning Environment模块化面向对象的动态学习环境)负载能力趋于饱和的问题,应把过于集中的负载分摊给多台服务器,也就是说创建一个集群。但是,物理集群具有资源浪费、结构不灵活等缺点,为了统一管理和动态分配各种资源,设计了一个Moodle虚拟化集群,并借助云计算的虚拟化技术进行实现。通过并发压力测试,结果证明,云计算环境下的Moodle虚拟化集群能够提高系统的事务处理能力,缩短响应时间,保证用户的访问体验。

摘要：实践教学是培养学生实践能力和创新能力的重要环节,文中从教学内容、教学方式和评价体系等方面分析了程序设计课程实践教学中制约学生实践创新能力培养的因素,以培养学生的程序设计思想和编程能力为目标,以激发学生学习积极性与强化实践教学为中心,以网络教学平台和在线测试系统为依托,在教学内容、教学方法、考核形式和数字化教学资源平台建设等方面进行了改革和实践。多年的实践结果表明,改革提高了程序设计课程的教学质量和学生的编程能力,获得了良好的教学效果。

摘要：当前所有的智能人脸识别系统都没有考虑到去身份识别问题,对去身份后人脸特征的极具减少无法建立准确的识别模型。文章提出了以模糊网络识别技术为基础的加入去身份识别功能的人脸识别系统设计方法,给出了硬件和软件的完整设计方案;分析了去身份信息后人脸的结构变化,根据不同少有的人脸节点间的关联进行运算,保证系统在逻辑上的识别完整性,规划去身份信息后,人脸特征在节点框架范围内的变化幅度,设定一个控制规则表,克服传统系统下由于身份特征被大量去除后无具体识别依据的弊端;以传统的智能识别系统为基础进行系统测试,系统在身份信息被去除后,基本能够识别人脸信息,识别精度在30%左右,有效弥补了传统系统在此方向的不足。

摘要：本文针对"程序设计基础"课程教学中存在的典型问题,提出了课程改革的思路和关键,并以学生为中心,积极开展第二课堂教学活动,建设了立体化教学资源,改革了教学模式和方法,建立了全面的评价机制,有效地激发了学生学习的积极性,提高了课程的教学效果。

摘要：矢量信号发生器(VSG)和矢量信号分析仪(VSA)如今已经被广泛应用到数字通信系统的测量和调试过程中。本文利用美国国家仪器公司(NI)的图形化编程语言LabVIEW开发了一组虚拟的VSG和VSA。发生器与分析仪的模拟电子接口使用了NI公司的数据采集单元(DAQ)。虚拟VSG可以根据用户需要产生基于不同调制方法的矢量信号、改变信号频谱、模拟信道噪声、传输模拟信号。VSG生成的信号可以被VSA接收并加以分析。VSA集成了数字解调、频谱分析、示波器、星座图分析、比特误码率(BER)检测和错误向量量度(EVM)检测等功能。

摘要：随着云计算、大数据等技术的发展,传统的培养模式已不能满足企业的需求。针对学生就业中存在的问题,分析了Java人才的岗位需求和教学现状,提出以岗位需求为导向的Java程序设计课程改革的思路,并在教学内容、教学模式、考核方式等环节进行了实践。

摘要：介绍基于DICOM标准的医学图像文件格式和数据元素结构,提出提取DICOM标准的医学图像文本信息和图像数据信息的方法,开发设计基于DICOM标准医学图像在Android平台下显示和处理系统。首先由Android手机从SD卡上获取DICOM图像,通过像素的转换得到Bitmap对象,再显示以及处理图像。该系统实现了DICOM医学图像文件在Android平台上读取、显示以及处理,显示以及处理效果良好,速度快。

摘要：为了配合大学英语教学改革,实现学生英语自主阅读学习,在分析英语多媒体学习系统需求的基础上,对利用Moodle(Modular Object-Oriented Dynamic Learning Environment)实现英语多媒体学习系统进行了研究,从用户的实际需求出发,设计了一套基于Moodle的大学英语多媒体学习解决方案,并进行了实践。其中,重点阐述了系统的实现过程,并介绍了音/视频播放模块的开发方法。最后对英语多媒体学习系统在本校的使用情况进行了介绍,并针对使用过程中出现的问题,提出了一些改进措施。

摘要：为早期诊断和检测神经肌肉罕见病———杜兴氏肌营养不良（DMD），设计了一组分类预测试验．首先，利用小波变换对 DMD 患者组和健康对照组的磁共振图像（MRI）进行小波分解；其次，从所得的分解图像中提取出若干纹理特征参数并进行降维处理；最后，再基于这些纹理特征参数，利用支持向量机算法（SVM）对试验图像进行分类预测．试验结果显示，若选择适当的小波分解尺度、分类器核函数和相关参数组合，则 MRI 图像的分类灵敏度、特异度和准确率分别可达96．9％，97．3％和97．1％．该处理方法有望为临床提供客观有效的辅助诊断手段，可作为 DMD 罕见病无创检测的尝试探索．