公共文化服务平台

共 10 条记录，以下是 1-9

全选清除导出

排序方式：

“思政+”背景下的数据库原理课程教育模式探析被引量：30: 2019年; 在全国大思政背景下,提出在计算机专业主干课程数据库原理中增添思政理论内容,将思政教育融入专业课程教学,从3个方面重点阐述数据库课程思政设计,最后结合课程教育模式,针对课程教学实效性的分析,给出提升教学实效性的几点建议,为高校协同育人教育做出贡献。; 徐悦竹杨悦王宇华韩启龙; 关键词：教育模式数据库原理思政理论教学实效性

工程教育专业认证中毕业要求达成情况评价方法初探被引量：7: 2020年; 针对传统毕业要求达成情况评价方法存在的覆盖范围以及合理性不足等问题,构建二维评价机制,从定性和定量两方面评价学生培养效果达成情况,为专业的持续改进和工程教育认证提供支撑。通过具体的评价过程说明该方法的可行性、有效性和合理性。; 王勇杨静张健沛杨悦王红滨张泽宝; 关键词：工程教育

一种高维空间数据的模糊聚类算法: 2006年; 针对传统的基于网格-密度的空间聚类方法容易产生不平滑聚类、非坐标轴方向过度聚类以及聚类边界判断模糊的问题，本文提出了一种高维空间数据的模糊聚类算法．该算法通过扩展网格区域，用模糊集的隶属度对基本区域及模糊扩展区域内的数据点进行计数，考虑了相邻网格对当前考察网格内数据点的影响，避免了不平滑聚类想象：同时，通过对相邻网格重新定义扩展了聚类算法的执行方向，有效缓解了过度聚类以及聚类边界模糊的问题．实验结果表明，该方法克服了传统聚类方法的不足，空间高维数据聚类结果的质量得到了改善．; 杨悦张健沛李忠伟; 关键词：模糊集

一种高维空间数据的模糊聚类算法: 针对传统的基于网格-密度的空间聚类方法容易产生不平滑聚类、非坐标轴方向过度聚类以及聚类边界判断模糊的问题,本文提出了一种高维空间数据的模糊聚类算法.该算法通过扩展网格区域,用模糊集的隶属度对基本区域及模糊扩展区域内的数据...; 杨悦张健沛李忠伟; 关键词：高维空间数据模糊聚类算法模糊集; 文献传递

基于建构主义教学模式的课程教学研究被引量：8: 2014年; 针对数据库课程教学中普遍存在的理论枯燥、与应用联系不足,学生解决实际问题能力不强的问题,进行数据库课程新的教学模式的研究。建构主义是倡导教学过程中以学生为本,并在学生已有知识基础上建构新知识的教学模式,因此进行基于建构主义教学模式的数据库课程教学研究,以期解决目前数据库课程教学中存在的问题,得到更好的教学效果。; 杨悦刘卓; 关键词：数据库课程教学模式建构主义

基于最优划分的K-Means初始聚类中心选取算法被引量：69: 2009年; 针对传统K-Means算法聚类过程中,聚类数目k值难以准确预设和随机选取初始聚类中心造成聚类精度及效率降低等问题,提出一种基于最优划分的K-Means初始聚类中心选取算法,该算法利用直方图方法将数据样本空间进行最优划分,依据数据样本自身分布特点确定K-Means算法的初始聚类中心,无需预设k值,减少了算法结果对参数的依赖,提高算法运算效率及准确率。实验结果表明,利用该算法改进的K-Means算法,运算时间明显减少,其聚类结果准确率以及算法效率均得到显著提高。; 张健沛杨悦杨静张泽宝; 关键词：初始聚类中心直方图

一种新的关联规则增量式挖掘算法被引量：8: 2006年; 针对数据库不断更新变化及现实生活中大多只对近期数据感兴趣的特点,该文提出了一种基于滑动窗口过滤器的关联规则增量式挖掘算法(SWFAI算法)。该算法通过分组及时舍弃挖掘过程中生成的非频繁项目集,有效降低主存压力,减少对数据库的扫描次数,能够对时变数据库进行高效地关联规则挖掘。通过实验证明了该算法能够有效地进行关联规则的挖掘,并在效率上有较大提高。; 张健沛杨悦刘卓; 关键词：关联规则增量式挖掘过滤器频繁项目集

数据库原理课程教育模式与CDIO模式分析对比研究被引量：6: 2014年; 对数据库原理课程教育模式中采用项目驱动方式与CDIO模式倡导的基于项目的教育和学习进行对比,通过对比结果指出该课程教育模式为CDIO模式的一个具体实现,说明该课程教育模式可以培养学生的多种能力,完全符合培养学生达到CDIO模式所需要求。; 张健沛徐悦竹刘杰杨悦; 关键词：教育模式 CDIO 数据库设计

不确定度模型下数据流自适应网格密度聚类算法被引量：5: 2014年; 随着计算机技术及感知技术的发展及应用,各个领域普遍出现不确定性数据流形态的新型数据,吸引了众多研究者的关注.现有的数据流聚类技术普遍忽略不确定性特征,常导致聚类结果的不合理甚至不可用.为数不多的针对不确定性特征的聚类方法片面考察不确定性,且大多基于K-Means算法,具有先天缺陷.针对这一问题展开研究,提出了不确定度模型下数据流自适应网格密度聚类算法(adaptive density-based clustering algorithm over uncertain data stream,ADC-UStream).对于不确定性特征,该算法在存在级和属性级不确定性统一策略下,构建熵不确定度模型进行不确定性度量,综合考察不确定性.采用网格-密度的聚类算法,基于衰减窗口模型设计时态和空间的自适应密度阈值,以适应不确定性数据流的时态性和非均匀分布特征.实验结果表明,不确定模型下的数据流网格密度自适应聚类算法ADC-UStream在聚类结果质量和聚类效率方面都具有较好的性能.; 刘卓杨悦张健沛杨静初妍张泽宝; 关键词：不确定性数据流聚类

全选清除导出

共1页<1>

杨悦