泛在学习视域下大学教师教学能力发展困境与对策

技术变革与教育理念革新催生出的泛在学习为大学课堂教学注入了新的生机,从教学内容的广度,深度以及教学模式方面广泛影响着大学教师的视野,并以其独特的优势终将成为未来实现终身教育的重要手段和理想模式。从泛在学习和传统学习的对比出发,重点探讨泛在学习范式革新中教师教学能力要素及提高路径,即通过提高教师信息素养,构建教师专业身份认同,组建教师专业共同体,提高教学反思意识等有效策略重新发展和构建大学教师教学能力,以期促进泛在学习环境下教师教学能力发展绩效改进。     

基于可变滑动窗口与3σ准则的脉冲星信号去噪算法

针对地面接收射电观测脉冲星信号较弱、信噪比较低的问题,提出了基于可变滑动窗口与两层3σ准则的信号去噪算法。该算法引入可变滑动窗口,对信号进行分步连续处理,同时在筛选噪声时使用两层3σ准则算法,解决了噪声遗漏及过度去噪问题。为证明算法可靠性与实用性,利用佳木斯66 m观测站实测数据进行算法验证,针对J1939+2134与J1744—1134脉冲星的实测数据进行分析处理。结果表明,该算法能够对脉冲星数据进行有效去噪,普遍提高信噪比约10dB。     

地磁暴期间中国中低纬电离层的CIT研究

利用电离层层析成像技术(Computerized Ionospheric Tomography, CIT)处理115°E子午圈附近6个台站的GPS观测数据, 分析了2004年11月地磁暴期间中国中低纬电离层的响应情况. 结果表明, 电离层呈正相扰动, 且不同高度上的响应不同, 800 km以下电子密度有不同程度的增加, 且在峰值高度附近增幅最大, 800 km以上地磁暴的影响并不显著; 伴随地磁能量的注入, 赤道异常峰极向扩展; 随磁扰强度的降低, 电子密度也逐渐恢复至平静水平. 这些结果与以往的理论和观测结果一致, 初步估计扰动是由热层暴环流引起的, 并受到赤道异常峰移动的影响.      

一种基于GNSS数据的全球电离层不规则结构活动表征方法

针对如何利用GNSS(Global Navigation Satellite System)数据进行电离层扰动监测的问题,提出了一种基于GNSS数据表征全球电离层扰动的方法.利用大约400个GNSS地面站点的观测数据,计算总电子含量(Total Electron Content,TEC)变化率的标准差——ROTI(Ra...     

图像处理技术在疲劳裂纹长度测量中的应用

研究材料的疲劳断裂特性,对产品结构设计和寿命预估计具有重要意义。试验中常需测量裂纹扩展长度,以确定裂纹长度与循环载荷次数的关系。在多孔铝合金板疲劳试验过程中,采用先进的图像数据采集和处理技术来测定疲劳裂纹的实际长度,拍摄不同循环次数下疲劳裂纹扩展的CCD图像;基于MATLAB软件,采用OTSU算法和形态学方法,把CCD图像转换成二值图并进行细化处理,得到裂纹扩展骨架图;用链码方法计算出裂纹像素长度,最后根据标定系数便可获得裂纹的实际长度。与显微镜测量裂纹方法比较,该方法具有精度高、非接触、可保存裂纹扩展状态等特点。     

计算机信息显示系统在民航机场的应用

本文着重介绍了信息显示系统在机场的应用，FIDS系统的基本组成原理，功能特点，信息处理过程和显示实例，体现了该系统在机场生产运行中的重要性。     

基于松耦合架构的航空制造企业集成物流信息链

航空制造企业的生产过程复杂,物料供应管理极为困难.文章以物料管理到"件"为首要目标,结合国内航空制造企业数字化管理程度较低的现状,充分利用企业现有的信息资源;采用面向服务架构实现企业物流相关信息系统松耦合集成,提出搭建企业物流数据集中平台;实现航空制造企业物流链的精确管理.     

民航机场信息化的规划与建设

改革开放以来我国民航事业发展迅猛，民航机场客货吞吐量成倍增长，机场的信息管理也从单一的航班信息管理，发展到航班及其相关的旅客、货物、行李、气象、客票、调度、办公、安全、通信、时钟、配餐、航油、飞行、签派、泊位等多种信息的管理。近年来一部分机场已相继     

混装型印制板组件的通孔回流焊接工艺研究

介绍了混装型印制板组件的通孔回流焊接工艺技术。首先选用可用于回流焊接的表贴和通孔器件制作试验板,继而开展了焊膏印刷模板优化设计和印刷工艺参数研究;采用预成型焊片进行焊锡量补偿的方法,解决了传统通孔回流焊接工艺中通孔器件焊点焊锡量不足的问题;明确了通孔器件的插装要求,合理设计了混装回流焊接工艺参数。完成了试验板的组装和焊接,形成的焊点形态良好,孔内焊料结晶组织均匀,填充率达到100%,焊点质量满足要求。     

基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测

提出一个新的基于集成学习的预测器(TargetPCM),对蛋白质接触图(特别是中长程)进行高精度的预测。首先,TargetPCM使用加权朴素贝叶斯分类器(Weighted Nave Bayes classifier,WNBC)融合3个接触图预测器的输出,其中WNBC中的权重参数通过粒子群算法优化得到;其次,将WNBC融合后的输出和基于序列的特征进行组合,得到更具鉴别能力的特征;在此基础上,应用极端随机树训练得到最终的蛋白质接触图预测模型。为了验证TargetPCM的有效性,在包含98个非冗余蛋白质的数据集上进行了测试。结果表明:对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的集成预测器(NeBcon)分别提高了8.2%,16.1%和5.3%。在CASP11上进一步的验证表明,对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的基于协同进化的集成预测器(MetaPSICOV)分别提高了7.4%,9.1%和7.5%。实验结果验证了本文所提蛋白质接触图预测方法的有效性。