借助多媒体技术打造优质高效语文课堂

多媒体技术是文本、图形、图像、声音和视频信息的集合.语文课堂引进多媒体技术可以把声、像、图、文、情境与听、说、读、写有机结合起来,使课堂教学不再呆板,不再枯燥,从真正意义上让教师从泛泛的说教中解脱出来,使课堂变得声情并茂,丰富多彩,优质高效.多媒体教学技术的应用有传统教学无法比拟的优势,下面笔者从四个方面谈谈在语文教学实践中的一些体会.     

基于决策树和有效降雨强度的滑坡危险性预警

以江西省寻乌县为例,采用信息量（IV）、反向传播神经网络（BPNN）和C5.0决策树模型进行滑坡易发性预测（LSP）,比较不同模型的预测性能;基于有效降雨量的概念提出有效降雨强度-历时（EI-D）模型,计算滑坡临界降雨阈值并将其与传统的降雨强度-历时（I-D）阈值做对比;将LSP结果与EI-D模型耦合,实现滑坡灾害预警并进一步验证了预警精度. 结果表明：C5.0决策树的LSP精度高于BPNN和IV,EI-D阈值的预测效果优于I-D模型,且基于滑坡易发性和EI-D阈值的模型能有效实现降雨型滑坡的实时预报.     

借助多媒体技术 打造优质高效语文课堂

多媒体技术是文本、图形、图像、声音和视频信息的集合。语文课堂引进多媒体技术可以把声、像、图、文、情境与听、说、读、写有机结合起来,使课堂教学不再呆板,不再枯燥,从真正意义上让教师从泛泛的说教中解脱出来,使课堂变得声情并茂,丰富多彩,优质高效。多媒体教学技术的应用有传统教学无法比拟的优势,下面笔者从四个方面谈谈在语文教学实践中的一些体会。     

基于聚类分析和支持向量机的滑坡易发性评价

在将支持向量机(support vector machine,SVM)等机器学习模型用于区域滑坡易发性评价时,大都随机或主观地选取非滑坡栅格单元,不能保证所选的非滑坡栅格单元是真正的"非滑坡"。为解决此问题,提出基于聚类分析和SVM的滑坡易发性评价模型。该模型首先用自组织映射(self-organizing mapping,SOM)神经网络对滑坡易发性进行聚类分析;然后从极低易发区中选择非滑坡栅格单元,确保所选非滑坡栅格单元是高概率的"非滑坡";最后采用SVM模型基于已知滑坡、所选非滑坡和环境因子对滑坡易发性进行评价。将提出的SOM-SVM模型用于三峡库区万州区滑坡易发性评价,并将得到的易发性结果与随机选取非滑坡的单独SVM模型结果做对比。结果显示SOM-SVM模型具有比单独SVM模型更高的成功率和预测率,表明SOM神经网络能更准确地选取非滑坡栅格单元。