一种基于传感器与用户行为数据分析的移动学习场景感知分类方法

随着智能手机和移动互联网的普及,使用智能移动终端进行学习的用户也逐渐增多,移动学习在数字教育领域占据着越来越重要的地位.移动学习的有效性体现在情境感知的能力,即能够感知不同学习情境并提供相应合理的学习内容.因而,移动学习中的情境感知技术已经成为一个研究热点.学习场景的感知是移动学习情境感知的重点,但是由于移动学习的动态性和复杂性,准确的场景感知具有一定的难度.基于实际的移动学习环境,提出了一种根据传感器与学习操作行为对学习场景进行感知分类的方法,处理并分析了由移动学习客户端采集到的传感器数据和学习操作行为日志数据,对比了以传感器数据特征值与学习操作行为特征值共同作为输入特征值的多种场景感知分类算法.结果表明：对比仅使用传感器数据作为分类算法输入特征值的结果,结合学习操作行为日志和传感器数据一起作为学习场景分类感知的依据,可以显著提高移动学习场景的感知分类效果.     

一种面向4G-LTE网络的丢包区分算法

无线网络中的丢包,一般认为是由拥塞或无线信道衰落造成的.在4G-LTE移动网络中,其传输特征的变化使得已有丢包区分算法并不适用.对此,提出了一种针对4G-LTE移动网络的丢包区分算法LDA-LTE.首先,基于LTE基站仿真器构建了真实可控的4G-LTE移动网络仿真测试平台;然后分别采集并分析了4G-LTE移动网络在拥塞和无线信道衰落条件下的传输特征;最后根据以上传输特征,提出了LDA-LTE丢包区分算法,实现了4G-LTE移动网络在拥塞和无线信道衰落同时发生场景中的丢包区分.实验结果证明,在4G-LTE移动网络中,由于网络传输特性与丢包特征的变化,使得传统的丢包区分算法并不适用,所提方法的区分结果准确度更高.     

智慧教育研究现状与发展趋势

当前,以大数据分析、人工智能等信息技术为支撑的智慧教育模式已成教育信息化发展的趋势,也成为学术界热点的研究方向.首先,对教学行为、海量知识资源2类教育大数据的挖掘技术进行调研分析;其次,重点论述了导学、推荐、答疑、评价等教学环节中的4项关键技术,包括学习路径生成与导航、学习者画像与个性化推荐、智能在线答疑以及精细化评测,进而对比分析了国内外主流的智慧教育平台;最后,探讨了当前智慧教育研究的局限性,总结出在线智能学习助手、学习者智能评估、网络化群体认知、因果关系发现等智慧教育的研究发展方向.     

基于云计算的P2P流媒体服务器集群部署算法

针对云计算数据中心网络（DCN）环境下,P2P流媒体服务器集群部署引起的较高带宽占用问题,提出了一种基于云计算的P2P流媒体服务器集群部署方法。该方法将P2P流媒体服务器集群部署建模为一个二次分配问题,并基于蚁群算法,寻找每个虚拟流媒体服务器与每个部署点之间的映射关系,实现基于云计算的P2P流媒体服务器集群部署。通过仿真实验证明,基于云计算的P2P流媒体服务器集群部署算法可以有效地减少云计算平台DCN网络带宽占用。     

面向拔尖人才培养的计算机网络课程多维一体教学模式

基于基础学科拔尖学生培养计划2.0的培养目标和计算机网络课程特点,分析计算机网络课程拔尖人才培养面临的挑战,提出“夯实基础、探索前沿;软硬结合、虚实相融;中英对照,兼顾效率”的多维一体教学模式,介绍具体教学实施过程,最后通过量化分析说明教学效果。