“任务驱动”教学模式在计算机教学中的探索与实践

信息化教育对原计算杌教学模式提出了新的挑战,基于建构主义教学理论基础之上的任务驱动教学法能体现计算机教学的特点．适合培养应用型人才。论述了任务驱动教学的教学模式与特色,结合实例阐述任务驱动教学法在计算机教学中的实施和应用。     

基于高频声音信号的商家信息推广系统

提出利用声音为传输媒介并利用人耳听觉特性,将所要传送的资讯,埋藏在高频音讯中,并实际应用在行动装置上,让店家可以使用扬声器不停的播放声音信号,使消费者靠近店家即可收到该店家的消费资讯.在传送端使用18 kHz左右的音频,配合RS code,preamble encoder和PSK传递信号,并在接收端使用preamble detection,PLL,RS decoder解出信号,让整个系统最后实现在iOS装置上,实验结果证实系统可以成功传递商家信息.     

基于剩余能量的LEACH协议改进算法

论文基于LEACH协议的不足,提出基于簇首节点平均能量消耗和节点剩余能量来选举簇首.通过仿真实验,该改进协议有效地保证网络能量消耗的均衡性,进而延长网络生存期.     

分布式光纤测温在动力电缆温度监测中的应用

动力电缆温度监测是可以及时发现电缆线路过热点位置和检测运行线路的绝缘状态,从而保障电缆安全稳定运行的技术措施。针对电缆过热事故的主要原因和特点,提出采用分布式光纤测温技术对电缆沿线温度进行监测预警,给出了分布式光纤测温系统的原理、组成和光缆布设方案,此系统对保证电力系统的安全运行有重要意义。     

易爆品运输车辆中的路径选择模型仿真

易爆品运输车辆必须选择最优路线模型,以保证运输安全.易爆品运输过程中,不但需要考虑运输成本和运输的线路,还需要考虑运输风险的因素.传统的路线选择模型仅仅以成本分析为基础,没有加入易爆品运输的风险因素,路线选择存在较大缺失.提出采用粒子群离散变换算法的易爆品运输车辆路径选择方法.根据最小二乘法相关原理,计算运输路径危险环境函数,获取危险程度拟合曲线,根据该函数得到运输路径中的危险程度.根据最小危害路径选择的目标函数,对所有的待优化变量进行二进制编码,并针对编码结果进行离散化变换,实现易爆品运输车辆路径的选择.实验结果表明,利用改进算法进行易爆品运输车辆路径选择,降低了路径协同误差和路径选择误差.     

基于粒子群算法和RBF神经网络的云计算资源调度方法研究

为了获得云计算资源调度的多目标优化方案,提出了一种云计算资源的动态调度管理框架;然后给出了本系统的基本架构形式,并对其进行了详细设计;其次,建立了以提高应用性能、保证云应用的服务质量和提高资源利用率为目标的多目标优化模型,并结合最新的RBF神经网络和改进粒子群算法对其求解;最后,在CloudSim平台进行了仿真,实验结果表明提出的框架及算法能有效减少虚拟机迁移次数和物理结点的使用数量,在提高资源利用率的同时,能保证云应用的服务质量。     

光纤传感在电力传输安全监测中的应用研究

传感器、信息等新技术在电力行业的应用,是智能电网实现的重要基础。智能电网需要建立从发电、输电网到配网的电网实时监控系统。文中研究光纤传感技术,利用传感器对输电设备电缆的温度参数进行采集,及时发现升温现象,确保电力传输和生产安全。     

基于多传感器的智能温控风扇调速控制器设计

设计了一个基于温度、光照度和人体红外等检测信息,结合语音控制模块对风扇工作状态进行智能控制的控制器,解决风扇因昼夜不同、温度不同时的自动控制问题.从系统总体设计、温控调速的硬件设计、智能温控的软件设计等方面阐述了基于多传感器的单片机智能控制风扇系统.经实验运行证明,该多模式智能风扇控制器设计合理、节能环保,有较好的应用前景.     

基于多传感器的智能温控风扇调速控制器设计

文中设计了一个基于多传感器的自动识别温控调速风扇控制器,解决风扇因昼夜不同、温度不同时的自动控制问题。文中从系统总体设计、温控调速的硬件设计、智能温控的软件设计等方面阐述了基于多传感器的单片机智能控制风扇系统。经实验运行证明,所实现的多模式智能风扇控制器设计合理、节能环保,有较好的应用前景。本文网络版地址：http：//www.eepw.com.cn/article/271647.htm     

基于IPSO-SVM的瓦斯突出危险程度预测

煤与瓦斯突出事故危及矿工生命,破坏生产现场。通过现场监测瓦斯突出的相关数据,对瓦斯突出的危险程度进行预测,提前做好防范措施,减少瓦斯突出事故的危害。为此,提出支持向量机算法与改进粒子群算法相结合的瓦斯突出危险程度预测模型:首先对容易陷入局部最优的粒子群进行改进;接着应用改进粒子群算法求解影响支持向量机分类预测性能的最佳参数;然后把最佳参数应用于擅长模式识别的支持向量机算法,进行瓦斯突出样本数据的训练,构建瓦斯预测模型;最后使用瓦斯预测模型对新的瓦斯突出数据进行预测。实验结果表明,采用该方法进行瓦斯突出预测的准确率,比纯支持向量机算法提高了5%。