信息技术与大学英语教学的深度融合是现代外语教学的重要研究课题。文章聚焦高校专门用途英语(English for Specific Purposes,ESP)混合式教学,以建构主义和自主学习理论为指导,并以目前扬州大学开设的"新闻英语"SPOC课程为例...信息技术与大学英语教学的深度融合是现代外语教学的重要研究课题。文章聚焦高校专门用途英语(English for Specific Purposes,ESP)混合式教学,以建构主义和自主学习理论为指导,并以目前扬州大学开设的"新闻英语"SPOC课程为例,通过整合课堂线上自主学习、课堂面授和课外线上自主协作学习,设计并实施了基于"1+2+X"校本特色的ESP混合式教学模式,旨在解决传统ESP课堂教学长期存在的瓶颈问题,为高校创新ESP教学模式提供借鉴。展开更多
不确定数据作为一种新型的数据模型,被广泛应用于金融、基于位置的服务、移动物体监测、传感器网络等许多类型应用领域.近年来出现的面向不确定数据的分析处理技术已成为数据库、数据挖掘等领域的研究热点.许多传统的数据挖掘技术已经...不确定数据作为一种新型的数据模型,被广泛应用于金融、基于位置的服务、移动物体监测、传感器网络等许多类型应用领域.近年来出现的面向不确定数据的分析处理技术已成为数据库、数据挖掘等领域的研究热点.许多传统的数据挖掘技术已经被扩展并应用到不确定数据的分析和管理,异常点检测是数据挖掘领域重要的技术,用来发现行为或特征不同于其他对象的数据对象.当数据对象的性质和行为明显区别于它的近邻时,则被为视为异常点.异常点检测在许多方面有着广泛的应用,如网络入侵检测、信用卡诈骗、环境监测等.该文研究不确定数据基于密度的局部异常点检测,每个不确定数据由几个离散的可能实例组成.首先,提出了基于特定不确定数据模型的局部异常点定义.为了能够快速地检测局部异常点,在不展开可能世界的前提下,提出了基础算法UDOL(Uncertain Density-based Local Outlier).然后,又提出在不精确计算概率的情况下,通过估计局部异常点因子的检测算法PUDOL(Pruning on Uncertain Density-based Local Outlier),可以有效地减少计算量.最后,通过大量的实验验证该文提出算法的性能.实验结果证明,该文所提出的算法是解决不确定数据基于密度的局部异常点检测的有效方法.展开更多
将近红外光谱分析技术与多变量数据分析技术相结合,建立注射用益气复脉(冻干)组方药材五味子提取过程的在线监测方法。采用生产上5个正常批次建立了五味子提取过程的多变量统计过程控制(multivariate statistical process control,MSPC...将近红外光谱分析技术与多变量数据分析技术相结合,建立注射用益气复脉(冻干)组方药材五味子提取过程的在线监测方法。采用生产上5个正常批次建立了五味子提取过程的多变量统计过程控制(multivariate statistical process control,MSPC)模型,并利用PC scores,DModX和Hotelling T^23种控制图对2个测试批次进行监测。结果显示,MSPC模型对提取过程具有良好的监测性能。将所建立的MSPC模型应用到实际生产中,能够有效地实现对五味子提取过程的在线监测,并实时反映生产过程中物料属性的变化。该文建立的监测方法为过程分析技术在中药注射剂生产过程质量控制领域的应用提供了参考。展开更多
文摘信息技术与大学英语教学的深度融合是现代外语教学的重要研究课题。文章聚焦高校专门用途英语(English for Specific Purposes,ESP)混合式教学,以建构主义和自主学习理论为指导,并以目前扬州大学开设的"新闻英语"SPOC课程为例,通过整合课堂线上自主学习、课堂面授和课外线上自主协作学习,设计并实施了基于"1+2+X"校本特色的ESP混合式教学模式,旨在解决传统ESP课堂教学长期存在的瓶颈问题,为高校创新ESP教学模式提供借鉴。
文摘不确定数据作为一种新型的数据模型,被广泛应用于金融、基于位置的服务、移动物体监测、传感器网络等许多类型应用领域.近年来出现的面向不确定数据的分析处理技术已成为数据库、数据挖掘等领域的研究热点.许多传统的数据挖掘技术已经被扩展并应用到不确定数据的分析和管理,异常点检测是数据挖掘领域重要的技术,用来发现行为或特征不同于其他对象的数据对象.当数据对象的性质和行为明显区别于它的近邻时,则被为视为异常点.异常点检测在许多方面有着广泛的应用,如网络入侵检测、信用卡诈骗、环境监测等.该文研究不确定数据基于密度的局部异常点检测,每个不确定数据由几个离散的可能实例组成.首先,提出了基于特定不确定数据模型的局部异常点定义.为了能够快速地检测局部异常点,在不展开可能世界的前提下,提出了基础算法UDOL(Uncertain Density-based Local Outlier).然后,又提出在不精确计算概率的情况下,通过估计局部异常点因子的检测算法PUDOL(Pruning on Uncertain Density-based Local Outlier),可以有效地减少计算量.最后,通过大量的实验验证该文提出算法的性能.实验结果证明,该文所提出的算法是解决不确定数据基于密度的局部异常点检测的有效方法.
