摘要：针对如何提高高校教师在线直播教学设计能力的问题,依据活动理论,展开对学习行为、学习活动目的、学习活动策略和学习活动单元等学习活动设计要素分析。在此基础上构建基于学习活动单元的在线直播教学设计模型,教学设计过程中,首先将教学过程划分为多个学习活动单元,然后设计OCTBEE学习活动策略,最后列编学习行为,绘制学习行为结构图。实践表明基于学习活动单元的在线直播教学设计能够取得较好的教学效果。

摘要：以学习活动为中心的教学设计理论认为教学系统是由学习活动构成的,学习活动是教学设计的基本单位。学习活动为成果导向教育理念在课堂教学层面落地提供了实现方式,它有助于实现学习成果的持久性、深度性;对学习活动及其学习行为评价的量化,有助于实现学习成果的过程性评价。为此,基于活动理论的学习活动理论、学习活动结构理论和学习行为理论,是成果导向教育理念的学习活动教学设计的理论基础。构建学习活动模型、学习活动结构模型和C-I-S学习行为分类的过程中,课堂教学以学习成果为中心,学习过程以学习活动为中心,学习评价以学习行为为中心。

摘要：针对计算机专业软件开发课程教学中存在的知识学习与实践应用脱节、专业知识离散化、职业能力不强、就业竞争力弱等问题,以CDIO工程教育理念为指导,按照“职业岗位—职业能力—课程体系—课程设计”逻辑,提出计算机专业软件开发CDIO教学大纲,阐述如何以CDIO教学大纲一级指标体系反向设计计算机专业软件开发课程群,构建CDIO教学大纲二级指标与软件开发课程支撑关系矩阵,反向设计课程目标、教学设计和课程评价,形成课程质量保障闭环。

摘要：随着交通网络的不断扩展,公路里程持续增长,道路养护压力也与日俱增。针对该问题,提出适用于智能无人车的道路缺陷自动检测模型,该模型基于目标检测,采用YOLOv8为基础模型,使用道路缺陷数据对模型进行训练。优先对模型训练参数进行调整,得到在相同训练周期下效果最好的训练参数,对全部数据进行训练,最后模型的mAP值为45.8%,将模型应用在智能无人车,可以准确、快速地识别多种道路缺陷。

摘要：针对传统监考模式存在的监考人员工作量大、主观性强等问题,构建基于目标检测的智慧监考模型。该模型能够应用于国家标准化考场,自动实时监测考生的作弊行为。采用YOLOv5算法训练出智慧监考模型,对考生回头的作弊行为进行检测,并使用深度学习方法对其作弊行为进行判定。在实验过程中,通过模拟真实的考场环境,该智慧监考模型对考生作弊行为检测的准确率较高,检测精确度可达96.3%,并能在GPU支持下实现实时检测。同时,实验对不同光线和像素下的识别准确度进行了比较分析,证明光线和像素会对准确度造成一定影响。实验结果表明,该模型能有效降低监考人员工作成本,实现考场监考公平性。

摘要：为了能够实现对日益增加的海量旅游信息高效处理,满足游客及数据处理要求,文中提出将云计算虚拟化技术引入其中,设计一种基于云计算虚拟化技术的智慧旅游信息服务平台。概述云计算虚拟化关键技术,分析该信息服务平台的系统设计需求,设计基于云计算、大数据、虚拟现实等关键技术,对于智慧旅游信息服务平台设计了Map-Reduce、BigTable、HDFS,对云平台下的数据存储及GAE环境下运用J2EE框架,对数据量进行更新并运用Map-Reduce对数据信息进行计算处理。结合Java Web编程技术,对设计的基于云计算虚拟化技术的智慧旅游信息服务平台设计方案实际应用,发现该平台可以充分发挥云计算虚拟化技术优势,与适当组网方式相结合设计该方案,确保能够有效提高智慧旅游信息服务平台数据信息处理的有效性及可靠性。

摘要：隐语义模型是一种基于协同过滤的推荐模型,由于其较好的推荐性能已在各个领域广泛应用。近些年机器学习的一个重要研究分支深度学习也在各个领域大放异彩。为进一步提高推荐系统的推荐性能,设计了一种结合隐语义模型和深度学习技术的模型。通过对隐语义模型表示形式的等价转换,可以用深度神经网络表示隐语义模型,提出了基于深度学习的隐语义协同过滤推荐模型。实验结果表明,提出的模型在precision和recall评价指标上明显优于其他协同过滤推荐模型。

摘要：目前旅游信息数据量庞大却无法满足用户的特定需求,很多不确定因素导致用户评分出现偏差,使推荐结果不准确且实时性差。鉴于此,本文提出构建基于Spark框架的瀑布型融合旅游推荐系统。首先,利用爬虫技术对各大旅游网站景点信息进行爬取和整理,搭建Spark框架读取数据并进行数据清洗和预处理,通过API将景点地理位置转换为经纬度坐标以便后续可视化;其次,设计2个过滤层,第一层采用SimHash算法,该算法能够实现海量数据的快速降维处理,有效节约时间。第二层采用余弦相似度算法并利用TF-IDF计算词频,进而过滤和更新旅游景点推荐数据库,最终形成反馈给用户的推荐数据库;最后,用户从系统推荐的Top-N景点选择自己感兴趣的景点,系统将会对其进行地图可视化,并标注每个省市景点的数量和平均票价,为用户提供智能旅游推荐的完美体验。该系统从用户需求出发,通过分析用户需求文本语义,与旅游数据库进行相似度计算进而获得推荐结果,达到了实时性和准确性的统一,是对旅游推荐系统的补充和完善,具有一定的实用价值。

摘要：随着直播频道的不断增加,观众不得不花费额外的时间和精力来选择适合的节目.通常,推荐系统可有效缓解上述问题,然而直播电视所具有的实时性、多用户、隐性反馈、冷启动等特点给推荐系统的研究带来挑战.针对这些特点,现有的方法大多利用时段划分的方式将用户对节目的偏好转换为对频道的偏好,通过推荐频道来完成节目的推荐.然而,这些方法的时段划分规则依赖经验,不具通用性,可解释性差,并且未考虑用户偏好会随时间的推移而变化的情况,同时,推荐频道的模型往往忽视了对正在播出的节目的关注.为此,本文提出了时间相关的直播电视推荐算法TTRec.首先,采用聚类的方法按时段将每个物理频道划分为若干虚拟频道,构建用户-虚拟频道偏好矩阵.其次,利用遗忘函数调整用户隐性反馈的量化结果,将其作为偏好矩阵的填充值.然后,采用协同过滤算法对偏好矩阵中未知项进行预测.最后,以节目的时间特征为属性,通过计算正在播出的新节目与历史节目的相似度来调整偏好矩阵中对应的数值,按调整后的结果生成推荐列表.在真实的数据集中的对比实验表明,TTRec明显优于对比算法.

摘要：为解决传统的基于STM32的口罩佩戴检测系统检测精度低、速度慢的问题。在基于STM32的口罩佩戴检测系统的基础上,引入K210模块对系统进行改进。在检测算法上,选择YOLOv2检测算法进行口罩佩戴检测。经过10组照片集的试验检测,结果表明:改进后的系统相较于基于STM32的口罩佩戴检测系统在精度上提升了3.9%。