新工科背景下面向虚拟仿真实验的计算机网络课程实验教学探索

网络技术的高速发展使得高校在开展计算机网络课程的教学过程当中获得了更加强有力的技术支持,高校教师在开展计算机网络课程的实践教学环节当中需要有效地借助虚拟仿真技术来进行实验指导,使得学生能够更加高效地开展实验设计和实验结果记录,并解决以往实验过程当中无法解决的问题。本文将具体分析现阶段计算机网络实验课程当中面临的主要问题,探究虚拟仿真技术对网络实验课程的积极作用,并给出提高计算机网络实验课程教学质量的具体建议,希望对高校计算机网络课程教学质量的提升有一定的参考意义。     

高等教育中“大班效应”的研究与对策

随着我国高等教育规模的扩大,教育资源尤其是教师人数却没有随之增加,导致高校班级规模迅速膨胀,授课效果也受到影响。文章通过对基础课课堂教学进行研究,归纳"大班效应"特点,分析利弊,从教师授课和课堂管理等方面,提出针对"大班效应"的对策,指出只有正视"大班"的现状,对学生耐心引导并采取有效应对措施,才能充分发挥"大班"的优势,提高教学效果。     

基于谱聚类的高阶模糊时序自适应预测方法

结合数据特征及分布特点提出一种基于谱聚类的模糊时间序列自适应预测方法。首先基于谱聚类的思想,根据样本数据特征获取其所属论域的个数及范围,实现向模糊时间序列的自适应转化;然后基于Markov概率模型表示模糊时间序列中的模糊关系,从而对多步模糊关系、高阶模糊关系及模糊关系的稳态进行求解;最后获取预测值的可能模糊状态,进而利用去模糊化方法将其还原为预测值。在真实以及人工时间序列数据上的实验表明了所提方法的合理性与有效性。     

一种基于最弱前置条件的软件错误定位算法

错误定位是软件调试中非常耗时费力的活动之一,自动错误定位技术可以有效地提高调试效率,降低调试成本.基于最弱前置条件的错误定位技术,首先计算出程序需要满足的最弱前置条件,并为其构造错误分析图;然后在错误分析图上依照失败测试用例进行初始化标记;最后限定分析图的输入和输出,自顶向下再次对其进行标记,找到冲突的结点,从而进行错误定位.实验结果表明,相对于其它方法,文中提出的方法能有效地提高程序错误定位的效率,使得调试人员只需检查更少的语句即可找到出错的位置.     

基础课教学中结构化综合评价模型的构建与研究

结合国外大学的基础课授课情况,通过对目前基础课教学的研究热点和发展方向的介绍和分析,指出基础课教学的瓶颈不是教师授课水平以及理论水平不足,而是对课堂教学的把握和控制欠缺。提出通过结构化的过程评价方法,正确使用考核的手段对课堂教学进行严格把握,有效提高授课效果和水平,并利用结构化过程评价模型,有效地对基础课教学进行过程控制。     

基于多特征融合的恶意代码分类算法

针对多数恶意代码分类研究都基于家族分类和恶意、良性代码分类,而种类分类比较少的问题,提出了多特征融合的恶意代码分类算法。采用纹理图和反汇编文件提取3组特征进行融合分类研究,首先使用源文件和反汇编文件提取灰度共生矩阵特征,由n-gram算法提取操作码序列;然后采用改进型信息增益（IG）算法提取操作码特征,其次将多组特征进行标准化处理后以随机森林（RF）为分类器进行学习;最后实现了基于多特征融合的随机森林分类器。通过对九类恶意代码进行学习和测试,所提算法取得了85%的准确度,相比单一特征下的随机森林、多特征下的多层感知器和Logistic回归算法分类器,准确率更高。     

大学生课堂注意力关键因素研究

从高校课堂中学生的行为入手,通过实证分析的方法进行分组实验,观察分析学生的课堂表现和课堂教学效果间的联系,指出学生在课堂上出现的注意力不集中、困倦等行为的根源并不是简单的"缺乏兴趣"或是"不懂",而是不同的授课方法和课程内容对学生心理产生影响的外在行为表现,提出若干被实践证明行之有效的课堂教学和管理方法。     

基于聚类和辅助词典的模式匹配方法

针对中文环境下的模式冲突问题,提出了一种利用元数据的模式匹配方法.该方法从数据字典中为模式提取特征向量,并采用聚类技术对其进行聚类,将语义相近的模式划分到相同聚簇中;对于同一聚簇中的不同模式,借助辅助词典计算属性间的语义相似度,并采用多种选择策略相结合的方法对结果进行过滤,为每个属性生成候选匹配集合.实验结果表明,该方法不仅可以提高模式匹配效率,而且具有较高的准确度.