摘要：针对目前程序设计基础课程教学中存在的主要问题,结合湖北文理学院开展的讲练展教学模式改革,将该模式应用到程序设计基础课程教学过程中。通过讲、练、展三个方面的有机结合,借助考核模式的优化、学科竞赛的拓展等途径,取得了较好的教学效果。

摘要：针对迅猛发展的多样化的电动汽车充电服务需求,提出一种智能化电动汽车充电服务平台设计方案。将系统功能模块划分为智能充电终端、充电管理网络和充电大数据应用等三个模块。利用充电桩,通信计算机,云计算服务器建立平台的基础硬件系统,采用CAN总线,RS-485,TPC/IP和GPRS建立平台的通信系统,使用Open Stack架构建立平台的充电管理网络系统,借助前台开发语言建立平台的有线或无线智能终端系统。实践表明,充电平台的设计方案技术路线正确、切实可行。

摘要：为改善智能手机对隐私安全方面的管理,基于Android系统平台设计开发并实现集桌面加载用户登录验证、权限分配、通信管理、手机应用程序管理以及手机拦截和密码屏蔽保护为一体的智能手机隐私安全管理系统。系统以登录验证的方式,进行加密保护;以拦截屏蔽的方式对黑名单和私密联系人的通信进行管理;以加密存储的方式对系统联系人、通话记录及短信进行安全备份,具有安全可靠、管理灵活、保密性高、功能强大等优势。

摘要：主要分析了图像处理技术在机动车车牌自动识别技术中的应用。按照车牌定位由彩色图转化到灰度图、车牌区域分割、车牌位置校正等步骤,对车牌字符的识别进行了分析,并对自动识别技术进行了改进。基于图像处理技术设计的机动车辆车牌自动识别系统,在保障交通顺畅运行方面发挥着巨大作用。从实际应用效果看图像处理技术在机动车车牌自动识别技术实际运用中效果良好,具有一定的推广价值。

摘要：为实现云工作流调度的多目标最优化,提出一种协同进化多群体优化调度算法。以执行跨度、代价和能耗同步最优化为目标,建立基于激素的协同进化多群体优化模型;通过多群体方式,使每个群体通过多目标粒子群优化寻找单目标非占优解;为避免局部最优,粒子进化中,引入激素激励机制和多群体竞争与协作机制,得到多目标最优解。通过仿真实验,与多目标调度算法MOHEFT和CMPSO作分析比较,结果表明,该算法在综合性能上实现了更好的Pareto最优解,具有更好的有效性和可行性。

摘要：目前单片机技术已普及到生活和生产中,成为一种比较成熟的应用工具。本研究设计了一种基于Arduino控制板的易移植、结构化分布式的信息采集终端,并根据资源条件需求,给出测温系统设计方案。该系统具有测温方便、精度高、低功耗等优点。

摘要：针对云任务调度优化问题,提出一种基于纳什议价解的多目标合作博弈调度算法NBS-EATS。基于纳什议价解NBS,将多约束条件下云任务调度形式化为合作博弈模型,模型以任务截止时间和任务结构需求为约束,将主机能耗与任务执行跨度Makespan同步最小化定义为多目标函数,通过求解模型NBS得到最优任务映射方案。数学分析结果表明,合作博弈是有解的,在求解产生Pareto最优解的NBS时,时间复杂度为O(nmlog(m))(n为任务数量,m为主机数量);仿真结果表明,与同类算法Greedy和LR相比,NBS-EATS算法在总体能耗和平均执行跨度上分别低24.4%、50.7%和22.8%、29.6%,验证了该算法的可行性。

摘要：针对C语言程序设计实验教学的现状,通过分析微视频的特点,提出了基于知识点的微视频实验教学模式,着重讨论了微视频中知识点的分解、组织、构建,以及一系列实验改革措施。围绕微视频进行实验教学、结合实验过程的大数据处理技术,可充分发挥视频教学的优势,有效弥补传统实验教学的弊端,提升实验教学的效率,增强学生自主学习的能力和动力,从而达到提高实验教学质量的目的。

摘要：针对复杂交通路段下的短时交通流量模型的参数估计问题,建立了基于宏观交通流量预测的状态空间模型,提出了基于正交自适应差分演化的无迹卡尔曼滤波(UKF)算法,解决交通流量预测动态模型的参数优化问题。对差分演化算法(DE)的初始化过程,使用基于正交设计和量化技术的交叉算子最大限度地提高种群的多样性,平衡差分演化算法的开采性和勘探性,更高效地搜索无迹卡尔曼滤波的模型参数。并针对UKF、DE的不同情况,分别采用不同的自适应策略提高调节算法性能。实验结果表明,相对于单独使用随机分布的方式初始化,或者根据经验设置模型参数的方法,使用正交设计方法的初始化策略、变异算子以及参数自适应控制策略的差分演化算法能够有效地节省计算资源,提升预测性能和精度,具有更高的鲁棒性。

摘要：求解多目标优化问题最重要的目的就是获得尽可能逼近真实最优解和分布性良好的非支配解集.为此,本文提出了一种基于自适应ε占优的正交多目标差分演化算法,该算法具有如下特征:1.利用正交设计和连续空间的量化来产生具有良好分布性的初始演化种群,不仅能降低算法的时间复杂度,也能使演化充分利用种群中的个体;2.采用在线Archive种群来保存算法求得的非支配解,并用自适应的ε占优更新Archive种群,以自适应的方式维持种群的多样性、分布性.最后通过5个标准测试函数对算法的有效性进行了测试,并与其他的一些多目标优化算法进行了对比,实验结果显示,算法能够很好地逼近Pareto前沿,并具有良好的分布性.