您的位置： 专家智库 > >

左东石

作品数：5 被引量：6H指数：1
供职机构：内蒙古农业大学计算机与信息工程学院更多>>
相关领域：自动化与计算机技术社会学更多>>

合作作者

文献类型

  • 5篇中文期刊文章

领域

  • 4篇自动化与计算...
  • 1篇社会学

主题

  • 2篇教学
  • 2篇程序设计
  • 1篇信息优化
  • 1篇学法
  • 1篇异常信息
  • 1篇云计算
  • 1篇云计算环境
  • 1篇设计类课程
  • 1篇识别方法
  • 1篇数据稀疏
  • 1篇图像
  • 1篇图像识别
  • 1篇图像识别方法
  • 1篇驱动教学
  • 1篇驱动教学法
  • 1篇稀疏度
  • 1篇项目驱动教学
  • 1篇项目驱动教学...
  • 1篇协同过滤
  • 1篇协同过滤算法

机构

  • 5篇内蒙古农业大...

作者

  • 5篇左东石
  • 1篇陈俊杰
  • 1篇刘岩
  • 1篇刘江平

传媒

  • 2篇计算机仿真
  • 1篇湘潭大学自然...
  • 1篇软件导刊
  • 1篇电脑乐园

年份

  • 1篇2022
  • 2篇2018
  • 1篇2017
  • 1篇2016
共 5 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
案例导向、项目驱动教学法在程序设计类课程中的应用
2018年
随着大数据,云计算,互联网+的到来,信息技术的发展速度越来越快,使得社会上对高等应用型 IT 领域的人才的需求量不断 提升,同时,我国在信息化建设过程中出现大量创新性项目及理论方法,而当下许多 IT 领域中的技术人员水平素质已不能满足行业发展需 要,因此,作为信息化人才输送地的各类高等教育院校在实际的教育过程当中,承担的责任也愈发重大。这就要求国内高等教育院校在教 学活动当中能够不断的对教育模式进行改革,从而可以培养出大量能够适应市场需求的信息化人才。
刘江平左东石
关键词：项目驱动教学法课程
复杂混合部位的姿态图像识别方法研究被引量：1
2016年
对复杂混合部位姿态图像进行识别,在人员定位及识别方面有着重要的应用价值。由于复杂混合部位姿态图像相对普通姿态图像特征要复杂,使得局部动态变化也会给复杂混合部位姿态识别带来很大麻烦。传统的识别算法对于复杂混合部位姿态图像特征只能通过外部轮廓进行简单的识别,对于细致的姿态特征需要经过大量的迭代计算进行识别,导致识别准确性低、效率差。提出基于支持向量机的复杂混合部位姿态图像识别方法。通过高斯模型和背景差方法相结合对复杂混合部位的姿势图像进行姿态分离,引入支持向量机对分离出来的人物姿态图像进行分类,并将分类结果与多级二叉树的形式相结合,构建复杂混合部位姿态图像分类器,完成对复杂混合部位的姿态图像识别。仿真实验结果表明,改进识别算法的准确率和效率均优于传统的识别算法,具有一定的实用性。
刘岩左东石
关键词：图像识别
融合双聚类技术的新型协同过滤算法
2018年
针对传统协同过滤算法因未考虑用户与项目之间的对偶性而产生的数据稀疏问题,提出一种基于双聚类技术和Top-n推荐技术的新型协同过滤算法:通过同时对行之间和列之间进行聚类,可以对用户和项目之间的相似性进行辨识,从而确定二者的分组信息;利用Top-n算法快速、精确地搜索出最佳的服务推荐.为了验证所提方法的有效性,在网络服务数据集上进行了相关实验.实验结果表明提出的方法能够在存在稀疏数据的情况下为用户提供有效的推荐,提高网络服务推荐的搜索精确性,提升CPU的有效利用率,并大幅度增强了算法的鲁棒性.
左东石
关键词：协同过滤数据稀疏稀疏度
“CDIO+思政”的Java程序设计改革与实践被引量：4
2022年
为提高学生程序设计综合实践能力,加强学生思想道德教育,使其树立正确的理想信念,自觉践行社会主义核心价值观,针对普通本科院校授课经验,分析了当前Java面向对象程序设计课程中存在的问题,提出以“CDIO+思政”理念为指导,采用线上线下混合式教学模式,以项目驱动、小组讨论等教学方法为手段,探索Java面向对象程序设计课程教学改革。实践教学显示,提出的教学模型不仅提高了学生分析、解决问题的工程实践能力,还培养了学生精益求精的工匠精神和科技报国的使命感。
谢聪娇陈俊杰左东石
关键词：CDIO混合式教学JAVA
云计算环境下异常信息优化检测仿真被引量：1
2017年
对云计算环境下异常信息的优化检测,能够有效解决云计算环境中信息存储以及传输过程的安全问题。对异常信息的检测,需要定义异常信息行为的属性值,计算出异常信息行为分类器的输出最大目标概率值,完成异常信息的优化检测。传统方法先给出异常信息的调用流图特征,从而给出异常信息的"行为"特性,但忽略了计算出异常信息的最大目标概率值,导致检测精度偏低。提出基于朴素贝叶斯的云计算环境下异常信息优化检测方法。上述方法利用字符矩方法提取出异常信息的样本特征,得到未知异常信息中的每个分块空间的关系特征向量,给出异常信息行为模式在朴素贝叶斯中的表述方程,定义异常信息行为的属性值,计算出异常信息的输出最大目标概率值,并完成对云计算环境下异常信息优化检测。实验结果表明,所提方法检测精度较高,为保障云计算环境的安全稳定运行奠定了基础。
左东石
关键词：云计算环境异常信息
全选 清除 导出
共1页<1>
聚类工具0