课程文献中心 更多>>

关键词： Visual Basic   挖掘机   工作装置   工作姿态   包络曲线  

摘要： 挖掘机工作装置挖掘姿态是由动臂油缸、斗杆油缸、铲斗油缸组合动作进行决定。以挖掘机工作装置工作油缸行程为变量,通过数学关系推导,得出工作装置各铰点在整机坐标系下的三维坐标值,借助Visual Basic编程软件进行可视化界面设计及计算分析,实现挖掘机工作装置工作姿态及挖掘包络曲线的自动快速绘制,大幅提升设计人员挖掘机工作装置的设计效率。

关键词： 叙事性   人物画   连环画   工笔画技法  

摘要： 远古时期,文字未产生之前,原始先民通常会用岩画或陶绘的方式对日常生活进行叙述。进入文明时代后,随着文化艺术的发展绘画叙事的方式逐渐丰富,呈现多元化趋势。突出表现是借助叙事的特点和优势充分发挥其叙事性功能。本文将中国人物画叙事性特点与五代时期的一幅经典叙事性绘画代表作品《韩熙载夜宴图》相结合,对图像与文字及绘画中所体现的叙事性进行分析。

关键词： 核心素养   通性通法   旋转法  

摘要： 课程目标的确定应立足学生核心素养发展,集中体现数学课程育人价值.如何将核心素养真正落实到课堂教学中成了诸多教师关注的热点话题.本文以“旋转法解决二次函数中特殊角的存在性问题”这节专题课的教学为例,采用巧设问题,让学生体验由浅入深、化繁为简等策略,感悟转化和类比等数学思想,同时提炼出旋转法解决二次函数中特殊角存在性问题的通性通法,以发展建模素养,最终实现学科育人功能。

关键词： SOLO分类理论   二次函数最值问题   教学实践  

摘要： 文章结合目前初中对二次函数最值专题的学习,利用SOLO分类理论对其在中考数学复习课中的应用作了一次教学实践.实践结果表明,结合SOLO分类理论的复习课教学设计有助于促进学生对二次函数最值问题的进一步理解,促使学生解决问题能力的提升,有效培养核心素养.

关键词： 风电机组   多参量耦合   变分图自编码   健康指数   异常检测  

摘要： 利用风电机组数据采集与监控系统(SCADA)数据监测参量本身数值信息及其相互间的耦合关联性,提出基于多参量耦合关系变分图自编码的风电机组异常检测方法。该方法利用时间序列自适应符号传递熵构建SCADA数据的参量耦合关系网络,设计变分图自编码再编码模型对参量耦合关系网络进行编码重构。结合SCADA参量耦合关系网络的编码重构误差构建风电机组的健康状态评估指标,采用支持向量回归的迭代更新法,对机组实时健康阈值进行自适应设置。两个风场的风力发电机组SCADA数据分析结果表明:该文方法充分利用了SCADA数据本身的数值信息及耦合关系结构信息,有效提高了风电机组异常状态检测的准确性及对环境工况的鲁棒性。

关键词： 密码学   弹性函数   旋转对称函数   支撑矩阵   非线性度   代数次数  

摘要： 基于支撑集交换技术,通过对k-阶旋转对称轨道的分析,给出了一个由n元1-阶旋转对称轨道,得到nk元k-阶旋转对称轨道的方法.进一步,通过改变定义在F_(2)^(nk)上的旋转对称弹性函数的支撑集,构造出新的k-阶旋转对称2-弹性函数,且至少能得到k·2^(k)个不同的nk(n≥3,k≥2)元k-阶旋转对称2-弹性函数.

关键词： 大单元教学   任务链   进阶驱动   高中数学   核心素养  

摘要： 大单元教学作为一种整合性教学模式,能够有效打破传统课时教学的局限,促进学生知识体系的构建和思维能力的提升.基于大单元视域,探讨任务链进阶驱动策略在高中数学课堂教学中的应用,通过设计环环相扣、层层递进的任务链,激发学生学习兴趣,引导学生主动探究,最终实现深度学习的目标.

关键词： 对偶式   函数   高中数学  

摘要： 在解决一些数学问题时,合理挖掘题设内涵与实质,借助“对偶式”的构建与应用,可以使得问题解决更加优美简洁,解法新颖创新.本文结合实例,就函数与方程、不等式、三角函数以及数列等问题的“对偶式”的构建与应用加以剖析,展示优美解法,开拓数学思维,辅助并引领解题研究.

关键词： 图聚类   半定规划   矩阵分解   随机优化  

摘要： 随着数据规模的爆炸式增长，半监督图聚类问题在数据挖掘和机器学习领域的重要性日益凸显。传统的半监督图聚类问题可归结于半定规划（Semi-definite Programming， SDP），待求解变量是一个半正定（Positive Semidefinite， PSD）矩阵，但SDP问题的求解复杂度很高，难以扩展到大规模数据集。基于半监督图聚类问题中PSD矩阵的非对称低秩分解(即Z=UVT)，将凸SDP问题转化为非凸问题，由于转化后的非凸问题对变量U或V是凸的，因此可以利用现有的随机凸优化算法交替求解U-子问题和V-子问题。基于此思路提出了三种交替型随机优化算法ALS＿SVR（Alternating Least Squares with Stochastic Variance Reduction）， HALS＿SVR（Hierarchical Alternating Least Squares with Stochastic Variance Reduction）和Acc＿HALS＿SVR（Accelerate Hierarchical Alternating Least Squares with Stochastic Variance Reduction），此类算法结合了交替最小二乘和随机方差缩减算法的特点，从而具有更好的精确度和可扩展性，算法引入随机性也有效避免了陷入局部最优解。实验结果表明，本文所提算法在大多数数据集上的RI指数、NMI指数和纯度三个指标的数值均超过0.95。

关键词： 社区结构   社团划分   Local Search (LS)算法   圈比   高阶结构  

摘要： 社团是复杂网络最重要的非平凡拓扑结构之一,其对于复杂系统的功能实现具有重要意义,如何实现高效、准确的社团划分是复杂网络领域最重要的任务之一。有别于基于模块度优化、动力学或谱分析等方式的经典全局算法,Local Search(LS)算法提出了社团中心这一概念,从全新视角出发只需依赖节点局域信息即可在线性时间复杂度内取得很好的社团划分效果,同时具有良好的可解释性,对于处理大规模网络更具优势。然而,原始LS算法使用度值来近似节点影响力,在同质网络中,由于节点度值过于接近,难以基于度值差异识别出社团中心,进而导致划分效果不佳。近期研究表明,复杂网络中的环结构等高阶结构能够更好反映节点影响力,因此我们使用圈比中心性来改进原始LS算法,不仅提高了其在同质网络中的准确率,在绝大多数实际异质网络中也取得了更好的划分效果。