基于改进遗传算法的K-means聚类方法

K-means算法是聚类分析划分方法中的一种常用方法,也是目前在数据分析方法中最有应用前景的方法之一。但K mean算法对初始聚类中心十分敏感,这对处理学生成绩等数据而言,会导致聚类结果极为不稳定。为此,提出基于改进遗传算法的K means聚类算法。该算法利用遗传算法解决初始聚类中心,提高聚类结果的稳定性,但存在前期过早收敛和后期收敛过慢的缺点。将改进遗传K means聚类算法应用于高职高专的学生考试成绩分析中,可以很好地解决传统遗传聚类算法对聚类结果的不稳定性问题,并通过聚类结果对学生考试成绩进行分类评价,利用所获得的数据聚类结果指导教学,从而提高教学质量。     

强化科技强国对现代化强国的战略支撑

科技强国建设是现代化强国建设的战略支撑。文章从中国建设科技强国的意义出发,总结了科技强国建设的国际经验和我国建设中国特色科技强国的历史进程,分析了我国现代化建设与科技强国建设长期性和阶段性的统一关系,探讨了新时代科技强国建设的阶段性任务。文章提出,在新的历史起点上建设科技强国,要进一步提高科技创新要素质量,构建现代化国家创新体系,完善科技强国建设的保障措施。     

基于MODIS LST修正NDVI时序数列的土地覆盖分类

MODIS以其时间分辨率、光谱分辨率的优势成为全球及区域土地覆盖研究的主要数据源。但如何快速准确的提取所需土地覆盖信息一直是科学界研究的焦点问题。对于NDVI时序数列分类方面的研究很多，其中影响分类精度的一个重要因素就是NDVI的数据质量问题。本文通过试验发现经过SavizkyGolay滤波处理的NDVI时序数列能够反映植被季相变化特征，与传统的滤波效果相比有明显改善，更符合实际情况。通过分析数据的波谱曲线，滤波后的时序数列能较好的区分植被与非植被、草本（一年生）与木本（多年生）覆盖类型。但研究区内一年一熟的农作物与高盖度草地、落叶针叶林与落叶阔叶林具有相似的物候特征，仅通过NDVI序列很难区分。为解决这一问题，本研究利用MODIS地表温度（land surface temperature,LST）产品对NDVI时序数列修正，利用前5个主成分进行分类。所得分类结果用363个野外调查样区进行验证，总分类精度达到了69.15％，kappa系数为0.6499。结果表明添加LST的时序数列比单纯的NDVI夸大了覆盖类型的差异，提高了分类结果的精度。为充分发挥MODIS高时间分辨率的优势，下一步应对多源数据进行定量分析，结合植被的物候关键期识别土地覆盖类型，必将进一步提高分类精度。     

超声辐射下Mg-K-10-MgCl2-H2O体系中芳香醛的还原偶联反应

超声波引发下，用Mg-K-10-MgCl2-H2O体系还原芳香醛，在室温反应3-4h得到产率为20～60％的邻二醇产品。     

如何培养学生学习生物的兴趣

浓厚的兴趣会使学生产生积极的学习态度,进行主动学习,从而提高学习效率。初中生物教学要加强趣味教学必须要在提高教师自身素质的前提下,改进新课的导入方法,更新教学方式,加强实验课的教学。     

论生态文明建设中的高等教育

以生态文明建设为主题,从高等院校的哲学教育、人才培养模式、道德伦理教育、跨专业教育以及高校生态文明建设在全社会中的地位等五个方面,探讨了生态文明建设的途径和研究生态教育的方法,以期抛砖引玉,带动更多学者关注大学生生态教育研究。     

中英建筑工程管理专业培养方案比较研究

工程管理专业在我国是一门新兴的交叉复合性学科。1998年教育部颁布的《普通高等学校本科专业目录》新增了一个学科门类,管理学门类。工程管理划分到管理类,成为管理科学与工程门类下的一个专业。而建筑工程管理专业则是工程管理专业下的最为重要的专业学科。根据近几年全国工程管理专业系主任会议的调查数据,在开设该专业的280多所高校中,以建筑工程为技术背景的学校占到了80%以上。新的建筑工程管理专业将原普通高等学校本科专业目录中的管理工程、涉外建筑工程营造与管理、国际工程管理、房地产经营管理等专业整合成为一个综合性极强的专…     

我国高职教材建设现状与思考

通过对高职教材建设基本现状调研,在对调查数据进行分析的基础上,本文总结了我国高等职业教育教材建设所取得的成绩与存在的不足。就存在的突出问题结合人才培养目标、依据高职教材建设应遵循的原则在对策方面进行了探索,并提出了具针对性的具体建议。同时,对“高职教材评价指标体系”的制定提供了建设性的可参考依据。     

基于Hadoop的Web用户识别与新闻智能推荐算法研究

为了解决大数据时代用户阅读时遇到的“信息过载”与“信息迷失”问题,提出了基于Hadoop平台的用户准确识别与新闻推荐算法。首先基于MAC地址识别用户,通过对用户浏览轨迹的离线和在线挖掘,建立用户兴趣模型。然后对新闻关键词进行聚类,结合协同过滤和启发式方法,基于关键词对用户进行新闻的智能推荐。实验结果表明,基于MAC地址的算法比基于IP地址的算法用户识别率提高了30%。