算法多样化与算法优化

《标准》在“教学建议”中指出，要“鼓励算法多样化”。这一教学建议已被广大教师普遍接受。算法多样化之后要不要优化？如何优化?这些问题一直困扰着许多教师。有些教师认为：“如果对多样化的算法进行优化，就谈不上算法多样化。”似乎多样化与优化是矛盾的。然而，“多中择优，择优而用”的思想方法，在学生的学习与生活中不可缺少，     

基于改进LZW压缩算法的发动机参数采集系统研究

随着车联网技术的不断发展,海量数据传输和存储成为关键问题,普通压缩算法压缩效率难以满足需要。根据LZW算法原理,结合车联网系统中发动机参数数据传输特点,对LZW算法的字典初始化、字典查找方式、字典大小进行改进,并应用于车联网系统。现场测试结果表明,当数据达到一定量后,改进的LZW压缩算法性能趋于稳定,压缩率较普通LZW压缩算法提高了30%,满足了发动机系统数据压缩的应用需求。     

自由表达 互动评改——人教版六年制第十册《积累·运用七》习作教学设汁

鼓励算法多样化是新课程倡导的理念之一。从课堂教学的实践来看，许多教师对“算法多样化”在认识和操作层面上均存在着这样那样的不足，影响了这一理念的实施效果：本文想谈一谈对“算法多样化”的几点认识，以求教于专家。     

传媒并购真的危险重重吗?——基于匹配倍差法的传媒业内并购绩效实证分析

传媒并购是近年资本市场热点,关于传媒类公司并购效果及其作用机理的实证研究较少,选取2010-2013年传媒类上市公司数据,使用匹配倍差法观察并购效果并分析机理。实证结果表明,传媒行业内并购具有对主并公司短期业绩提升的作用,管理能力的引领和受众群体的扩大是短期业绩提升的关键。     

西部地区煤炭职业院校专业设置与人才需求状况的匹配性研究

我国经济的快速发展离不开重工业的大力支持,重工业的发展又离不开对能源的大量需求。因此作为我国主要能源之一的煤炭资源是我国经济发展的关键。西部地区作为我国煤炭行业较为集中的地区,随着我国煤炭行业随经济发生变化,对于高素质技术技能人才的需求随之变化。为了促进西部地区煤炭高职院校的长久发展,必须对西部地区的煤炭职业教育发展现状以及人才需求状况进行详细的调查。本文主要研究西部地区煤炭职业院校专业设置与人才需求状况的匹配性问题,找到更好的措施吸引更多的学生选择报考煤炭专业,解决我国西部地区煤炭行业高素质技术技能人才短缺的问题。     

用Authorware解决皇后问题的研究

本文介绍用多媒体创作工具 Authorware解决的设计思路和流程图 ,探讨皇后问题的算法 ,并给出具体的程序。介绍皇后问题的动画设计过程并给出动画演示的效果     

基于平行网格变换的频繁项集生成算法

关联规则研究数据库中一组互不相属对象之间的相关性,挖掘出具有一定意义的关联关系、挖掘算法如Apriori、FP-Growth等,这些算法需要反复多次扫描整个数据库导致I/O负载增加,降低了CPU的性能.文章通过对数据库进行转置和平行变换以减少扫描的次数,从而提高算法效率.     

基于“问题-用户”的网络问答社区专家发现方法研究

[目的/意义] 以网络问答社区为研究对象,提出基于“问题-用户”传播网络的专家发现方法,为建立用户激励机制、完善专家推荐方法提供借鉴。[方法/过程] 通过分析开放问答模式的特点,以“问题”和“用户”为节点、“答题关系”为有向边,构建“问题-用户”权威值传播网络,利用答案质量改进加权的HITS算法。[结果/结论] 提出的算法可以较好地兼顾用户的答题数量与答案质量,能够选择出活跃度高、知识渊博的用户作为专家。     

比赛项目排序问题的贪婪算子遗传算法

将比赛项目的排序问题转化为图论问题中的货郎担问题(TSP),利用TSP较为成熟的遗传算法进行求解。这样防止了搜索过程陷入局部最优。针对遗传算法收敛速度慢的特点,对遗传算法进行了改进,引入贪婪交叉算子来加快算法的收敛速度,得到冲突总人次数为8的优良结果。在对算法进行合理性分析时,从理论上论证了算法的优劣。     

A learning-based method to detect and segment text from scene images

This paper proposes a learning-based method for text detection and text segmentation in natural scene images. First, the input image is decomposed into multiple connected-components (CCs) by Niblack clustering algorithm. Then all the CCs including text CCs and non-text CCs are verified on their text features by a 2-stage classification module, where most non-text CCs are discarded by an attentional cascade classifier and remaining CCs are further verified by an SVM. All the accepted CCs are output to result in text only binary image. Experiments with many images in different scenes showed satisfactory performance of our proposed method.