摘要：新时代汉语国际教育专业课程思政建设既是时代发展的必然要求,也是人才培养的根本遵循,还是专业发展的内在需求。汉语国际教育专业课程思政建设主要存在学校层面重视力度有待加强、学院层面保障体系有待完善、教师层面内涵认识有待提高三个方面的问题。为推进汉语国际教育专业课程思政建设,高校应统一思想、形成共识、构建系统的顶层设计体系;学院要统筹资源、形成合力、构建完善的协作保障体系;专业教师要同向发力、形成动力、构建融合的协同育人体系。

摘要：K-means聚类算法随机确定初始聚类数目,而且原始数据集中含有大量的冗余特征会导致聚类时精度降低,而布谷鸟搜索(CS)算法存在收敛速度慢和局部搜索能力弱等问题,为此提出一种基于自适应布谷鸟优化特征选择的K-means聚类算法(DCFSK)。首先,为提升CS算法的搜索速度和精度,在莱维飞行阶段,设计了自适应步长因子;为调节CS算法全局搜索和局部搜索之间的平衡、加快CS算法的收敛,动态调整发现概率,进而提出改进的动态CS算法(IDCS),在IDCS的基础上构建了结合动态CS的特征选择算法(DCFS)。其次,为提升传统欧氏距离的计算精确度,设计同时考虑样本和特征对距离计算贡献程度的加权欧氏距离;为了确定最佳聚类数目的选取方法,依据改进的加权欧氏距离构造了加权簇内距离和簇间距离。最后,为克服传统K-means聚类目标函数仅考虑簇内的距离而未考虑簇间距离的缺陷,提出基于中位数的轮廓系数的目标函数,进而设计了DCFSK。实验结果表明,在10个基准测试函数上,IDCS的各项指标取得了较优的结果;相较于K-means、DBSCAN(Density-Based Spatial Clustering of Applications with Noise)等算法,在6个合成数据集与6个UCI数据集上,DCFSK的聚类效果最佳。

摘要：光照条件下合成了微量ZIF-8定向修饰同质异相结TiO_(2)的ZIF-8/TiO_(2)复合材料以提高TiO_(2)的光催化固氮能力.利用X射线衍射(XRD)、场发射电子扫描显微镜(FESEM)、X射线光电子能谱(XPS)、UV-Vis漫反射谱、电化学阻抗谱等对合成材料的结构组成、形貌及光电性能等进行表征.结果表明,适量的ZIF-8修饰除了能显著增加TiO_(2)复合材料的比表面积和改善孔径分布范围之外,还能增强对可见光的吸收能力以及光生电荷的分离能力.光催化测试结果表明,ZIF-8/TiO_(2)-3复合材料的平均固氮速率达到了742μmol·L^(-1)·g^(-1)·h^(-1),约为同质异相结TiO_(2)的3.78倍,ZIF-8的3.71倍.经5次光催化循环后其光催化性能几乎没有衰减,表现出较好的光催化固氮活性和高的稳定性.为光催化固氮材料的设计提供了参考.

摘要：原始的Relief模型只能分析完备的单标记数据,并且相关的改进模型也未涉及样本之间的全局相似性等,由此基于样本全局相似度和Relief模型设计了一种缺失标记特征选择方法.首先,为了补全样本对应的缺失标记,在每个标记下将全体样本划分为缺失集和完备集,通过计算样本间的欧式距离,为缺失标记的样本搜索其在完备集中的最近邻样本,从而提出了一种补全标记策略,补充样本缺失的标记.其次,为了衡量不同的样本在全局空间上的相似关系,使用余弦相似度函数计算样本间的特征相似度,基于样本标记集的重叠程度计算样本间的标记相似度,结合上述两种相似度构建了样本全局相似度.然后,为了确定目标样本在多标记决策系统中的同类近邻和异类近邻,根据目标样本与其余样本之间的全局相似度,定义了样本间的同异类判别关系.最后,结合改进的Relief模型构建新的特征权重迭代公式,进而设计了基于样本全局相似度和Relief的缺失标记特征选择算法.在8个多标记数据集上分析和测试所提算法的分类性能,实验结果表明所提算法是有效的.

摘要：为了增强核磁共振与正电子发射断层扫描图像融合的纹理细节,摆脱人工设计融合规则对先验知识的依赖.提出了自适应的残差密集生成对抗网络(adaptive dense residual generative adversarial network,ADRGAN)来融合两种模态的医学图像.ADRGAN设计了区域残差学习模块与输出级联生成器,在加深网络结构的同时避免特征丢失;然后,设计了基于自适应模块的内容损失函数,强化输出融合图像的内容信息;最后,通过源图像的联合梯度图与融合图像的梯度图构建对抗性博弈来高效训练生成器与鉴别器.实验结果表明,ADRGAN在哈佛医学院MRI/PET数据集的测试中峰值信噪比和结构相似度分别达到55.2124和0.4697,均优于目前最先进的算法;所构建的模型具有端对端和无监督两特性,无需人工干预,也不需要真实数据作为标签.

摘要：针对传统森林火灾检测算法精度低,以及大规模、多特征的火灾数据存在冗余信息等问题,该文提出了一种基于改进邻域粗糙集的优化反向传播神经网络(BPNN)火灾预测方法。首先,考虑到数据集具有高维特征空间和高度特征冗余等特点,设计出一种基于混沌反学习蝙蝠(BA)算法的邻域粗糙集特征选择算法,对火灾原始数据集进行特征寻优,得到约简属性子集;然后,构建BA算法优化的BPNN预测模型,将约简属性子集输入该模型中,得到火灾预测的结果;最后,通过平均分类准确度、F1值、精确度、曲线面积、召回率、平均误差率这6种评价指标,在UCI公开森林火灾数据集上分析和检验模型的分类性能。在2个数据集上的实验结果显示,基于混沌反学习策略的算法准确率为94.3%和52.7%,与邻域粗糙集结合后准确率达到98.1%和59.6%,证明了该文算法具备较高的检测精度。

摘要：为快速灵敏检测2,4-二硝基苯酚(2,4-DNP),以丙二酸和聚丙烯酰胺为前驱体,通过绿色简便的一步水热法合成氮掺杂碳点(N-CDs).通过透射电子显微镜(TEM)、傅里叶变换红外光谱(FTIR)、紫外可见吸收光谱(UV-Vis)和荧光光谱对氮掺杂碳点的结构和光学性能进行了表征;并利用氮掺杂碳点构筑新型荧光探针检测环境样品中2,4-DNP,考察其检测效果和淬灭机理.结果表明,2,4-DNP可特异性识别并淬灭碳点的荧光,淬灭机理为内滤效应;探针的淬灭度与2,4-DNP质量浓度在0.050~10.000 mg/L范围内有良好的线性响应,检测限为0.015 mg/L;加标回收试验表明构建的方法能成功用于实际水样和土样中2,4-DNP的检测.

摘要：以大概念为统领的单元教学是实现物理核心素养的有效策略。以“匀变速直线运动”单元为例,站在单元视角,选取主题内容,确定教学目标,依托真实情境活动和素养评价,实现单元和课时教学的衔接,促进学生物理大概念的形成。

摘要：运用文献综述法,以足球运动供能特征与代谢适应为研究对象,对足球运动能量供应特点、肌肉类型、神经功能、心肺系统的适应性影响及其代谢适应训练方法等方面进行研究。旨在为足球运动的教学训练提供参考,主要研究结论为:(1)足球运动要求运动员磷酸肌酸系统、无氧乳酸系统、有氧系统均具备很高的供能效率,场上不同位置、类型的球员对三个系统的要求有所差异;(2)肌肉纤维类型、线粒体的密度、神经系统功能和心肺功能与足球运动表现存在密切的关系。通过系统训练,可以有效改善以上因素,进而使供能系统产生适应性变化,提高比赛中运动表现;(3)运用无球、有球、比赛三种练习形式,采用高、中、低三种不同强度设计训练方案,使用重复、间歇、持续三种训练方法,再进行科学的监控与评估,分别发展三种供能系统,产生适应性变化,进而提高运动表现。建议采取个性化训练、科学营养方案和持续监测评估。

摘要：梳理深度学习相关文献,在此基础上,对深度学习的内涵进行解读。探索深度学习理念下高中英语课堂语篇教学的实施步骤,即教学设计、教学实施、教学评价,具体涉及整合教学内容、确定教学目标,导入、讲解、应用,联想与结构、活动与体验、本质与变式、迁移与应用、价值与评价等方面内容。提出教师要对语篇进行个性化研读,注重创新,促进学生认知结构不断完善,最终促进其深度学习的发生。