课程文献中心 更多>>

关键词： 数据结构与算法   课程思政   教学设计  

摘要： 本文针对数据结构与算法专业课程与思政元素的融合问题,设计了一种"以学为中心"的课程教学组织方案,采用课堂教学模式和实践研讨模式相结合的方法,实现在传授学生知识与技能的同时注重思政与德育的培养,并提出了数据结构与算法课程内容中所蕴含的思政元素,为该课程授课教师在课程思政建设过程中提供支撑。

关键词： SPOC   高等教育   培养模式   数据结构与算法   课程教学改革   探究  

摘要： SPOC系从国外引进的、对高等教育的培养模式具有改革意义的一种全新的教学方式。它的中文名称叫做"小规模限制性在线课程",属于慕课与常规课堂的一种有效融合。与传统的慕课相比,它由于采用了混合式的培养方式,使慕课当中存在的一些局限性得到了有效克服。所以其普及价值很值得重视。本文就以《数据结构与算法》这门课程为例,并根据多方面的角度,具体讨论一下SPOC对于课程教学的改革作用与改革方案。

关键词： 数据结构   C语言  

ISBN: (纸本)9787030688576

摘要： 本书介绍了数据结构的有关内容，主要包括数据结构与算法的相关概念，线性表、栈、递归、队列、数组、广义表、串、树、二叉树、堆、哈夫曼树、图等常用的数据逻辑结构和存储结构，各种数据结构的基本操作，以及查找、排序算法等。

关键词： 分位数回归   模型检验   充分降维   中心分位子空间   模型自适应性   核光滑   随机缺失  

摘要： 随着计算机性能和通信技术的快速发展,我们在工业生产、生物医学及现代计量经济学等诸多领域都会遇到各种各样复杂且高维的数据.为了挖掘潜藏在数据背后的信息,比如研究某些因素对我们感兴趣变量的影响,我们常常会借助各种回归模型建立起相关因素之间的桥梁,然后基于假定的模型去做相应的统计推断.为了便于解释相关模型的分析结果,所假定的模型需要尽量简单,这往往需要大量先验知识的参与.如果人们怀疑最初假定的模型,抑或是原始的模型假定本身就是错误的,那么基于这样的模型得出的统计推断结果往往很难令人信服,所以有必要在做深入的统计推断前先对假定的现有模型做出合理的检验.参数分位数回归模型常用于给定协变量X后估计响应变量Y的条件分位数.与经典的均值回归模型相比,分位数回归对误差的分布要求较弱,并能在不同的分位数水平下提供响应的条件分布信息,这极大地加深了对数据的理解程度,从而促使了分位数模型的广泛应用.目前,已有大量文献研究了均值回归下的模型检验问题.然而,很难将这些方法直接扩展到分位数回归模型.因为在分位回归框架下,将不再是基于模型的残差构建相应的检验统计量,而是基于分位回归损失函数的次梯度函数做相应的检验.后面的理论分析将会看到,因这一点改变所带来的分析上的困难.同时,研究如何在高维数据下增强检验的功效,减少高维数据稀疏性对检验带来的负面影响也非常具有实用价值.此外,很少有学者研究缺失数据下高维分位数回归模型的检验问题.本文将针对这些问题展开相关研究.下面简要介绍本论文各部分的主要内容.本论文的第一章是引言,包括一些背景知识.首先,我们简要回顾了模型检验的一般方法,介绍了完全观测数据及响应变量随机缺失下分位数回归模型检验的研究现状.然后介绍了分位回归模型及其相关的系数估计方法.最后,考虑到充分降维方法对本文所提检验方法的重要性,我们介绍了几种易于使用的模型降维方法.特别地,对响应变量随机缺失时的完全情形辅助恢复（complete case assisted recovery,CCAR）方法进行了详细地介绍.本论文的第二章基于核光滑方法构建了用于参数单指标分位数回归的模型检验方法.为解决多元非参数估计中的维数灾难问题,充分利用模型所携带的降维信息,我们采用适用于分位数模型的充分降维技术来识别相应的降维子空间,并在该子空间中构造检验统计量.用这种方法构造的检验统计量类似于只包含一维协变量的局部光滑方法.在不同的分位数水平下,所提检验对全局备择假设是相合的,并能以较快的速度检测出不同于原模型的局部备择模型,而现有的局部光滑方法只有在协变量是单变量时才能实现.采用wild bootstrap方法近似检验的临界值,通过数值模拟和实际数据应用验证了所提方法的有效性.本论文的第三章研究了响应变量随机缺失时参数单指标分位回归模型的模型检验问题.采用缺失数据下的分位回归系数估计方法对模型中的系数进行估计.同时针对响应变量随机缺失的多维分位回归模型,提出了计算中心分位子空间的算法.基于中心分位回归子空间,构造了两个适用于响应变量随机缺失的模型自适应检验统计量,从而避免了维数灾难问题.在原假设和局部备择假设下,得到了检验统计量的渐近性质.结果表明,所提方法是相合的,并且能够检测到以Θ(n-1/2h-1/4)（Θ为表示同阶收敛速度的符号）的速度接近原模型的局部备择模型.借助wild bootstrap对检验的临界值进行校准,并给出了其渐近性质.随机模拟表明,在多维甚至高维协变量的情况下,所提方法在保持检验的水平和功效方面均优于现有的方法.对ACTG Protocol 175数据集进行分析,展示了检验方法的应用.在最后一部分,对本文的研究成果和结论进行了总结,并指出了今后的研究方向.本文关注参数单指标分位回归模型的模型检验问题,主要创新点如下:第一,在完全观测样本下,结合数据自身携带的降维结构,构建了能够自动适应不同模型的检验统计量,避免了高维数据中因局部光滑带来的维数灾难问题.同时,得出了所提检验统计量的极限零分布,并能快速检测出与原假设不同的局部备择假设.第二,当响应变量随机缺失时,给出了计算中心分位子空间的算法,研究了其大样本性质.基于缺失数据下的中心分位子空间,构建了两个适用于响应随机缺失的模型检验统计量,得到了它们在不同假设下的极限分布.第三,不同于均值回归背景下的模型检验方法,当观测数据中包含异常值或误差项不满足同分布假设时,本文中的检验统计量在检验的水平和功效方面仍具有良好的性能,随机模拟也验证了所提方法的稳健性.

关键词： 人群行为分析   目标检测   多目标跟踪   轨迹聚类   运动模式  

摘要： 随着智能监控设备的普及,从视频中获取和分析行人数据变得十分便捷,人群行为分析和建模引起了越来越多研究人员的关注。一方面,通过计算机视觉和物理方法研究人群行为特征;另一方面,通过对人群行为进行建模,验证和改进人类行为动力学模型。本论文以视频行人轨迹提取为主线,对多视角行人目标检测进行深入研究,结合相似性度量发展了基于轨迹相似度的时空聚类方法,并对行人运动时空特性进行了挖掘分析。论文的主要工作和成果如下:(1)在对现有目标检测和多目标跟踪算法的梳理和总结的基础上,实现了基于目标检测的多目标跟踪方法,并将其应用到行人轨迹提取中。同时,针对当前目标检测模型不能直接应用到无人机视角下的检测问题,通过构建数据集训练得到无人机视角下的行人检测模型,然后在监控视频和无人机两个视角下进行了视频采集,并成功的提取了行人轨迹数据。(2)提出了基于轨迹相似度的聚类方法,并将其应用到行人轨迹模式发现。轨迹相似性度量方法,克服了轨迹长度不一致的影响,并融合了空间距离和时间距离。首先通过轨迹筛选,压缩等方法对采集到的行人轨迹进行预处理,增强数据质量,提升聚类结果。然后以Hausdorff距离和Fréchet距离计算轨迹相似度矩阵。最后,对监控视频中的行人轨迹进行空间聚类分析,对无人机视角下的行人轨迹进行时空聚类,验证了两种方法的有效性,并分析了场景中行人运动模式。(3)提出了基于行人轨迹数据分析的的框架,进一步解释了场景中行人的运动特征。本框架分布按照场景特征和行人运动特征对行人轨迹进行分析,首先通过对行人分布密度,人流方向分布,移动距离分布进行了统计分析,分析了场景的结构特征。然后通过速度,加速度,曲率,方向等指标分析了场景中行人运动的统计特性,。(4)结合Pycharm开发工具和Py QT5框架,设计实现了轨迹提取系统,该系统能够采用交互式界面进行轨迹提取和轨迹分析,验证了本文所提出的轨迹提取方法的有效性。本文扩展了多视角下基于目标检测的行人检测,研究了基于密度的轨迹时空聚类方法,并通过构建运动指标体系分析了场景中的行人运动特征,最后设计并实现了轨迹提取系统。

关键词： 天然气净化厂   智能工厂   网络架构   数据结构  

摘要： 为了加快和推进净化总厂智能工厂的建设实施,在总结净化总厂已开展物联网建设经验的基础上,结合天然气净化厂的装置特点,参考其他油气田及炼化企业智能工厂的建设成果,提出智能净化厂的定义、特征,并从建设思路、建设方案、总体架构、网络结构、数据结构等方面提出了建设实施建议;同时通过对净化总厂智能工厂的建设现状和已开展项目的实施效果进行分析研究,对不足之处提出了改进建议。

摘要： This thesis is devoted to designing and analyzing efficient text indexing data structures and asso- ciated algorithms for processing text data. The general problem is to preprocess a given text or a collection of texts into a space-efficient index to quickly answer various queries on this data. Basic queries such as counting/reporting a given pattern's occurrences as substrings of the original text are useful in modeling critical bioinformatics applications. This line of research has witnessed many breakthroughs, such as the suffix trees, suffix arrays, FM-index, etc. In this work, we revisit the following problems: 1. The Heaviest Induced Ancestors problem 2. Range Longest Common Prefix problem 3. Range Shortest Unique Substrings problem 4. Non-Overlapping Indexing problem For the first problem, we present two new space-time trade-offs that improve the space, query time, or both of the existing solutions by roughly a logarithmic factor. For the second problem, our solution takes linear space, which improves the previous result by a logarithmic factor. The techniques developed are then extended to obtain an efficient solution for our third problem, which is newly formulated. Finally, we present a new framework that yields efficient solutions for the last problem in both cache-aware and cache-oblivious models.

关键词： 数据结构   全方位   教学改革  

摘要： 数据结构课程,是计算机类专业的一门重要的专业基础课程.在整个课程体系中起着承上启下的作用,由于课程知识点多、理论性强、抽象程度高且实践性强,它被学生广泛认为是一门难以学习、掌握的课程.根据我院学生的实际情况,结合近年来学院的数据结构课程的教学情况,通过对本院教师、学生针对数据结构课程进行的座谈会、问卷调查、访谈会、座谈会等掌握的第一手资料,经过学院的多次探讨,对于数据结构课程进行全方位的教学改革.主要包括:教材的选择;教学内容;教学模式、考核模式几个方面进行改革.

摘要： In Visual Analytics (VA), we combine data mining and other analytical techniques with data visualization in order to gain insights from data. As the size and complexity of data increase, the reasoning process becomes more arduous and challenging for analysts. This thesis aims to enhance the identification of patterns using flexible methods in VA. It centers around the research question: 'How to increase the analyst's ability in VA systems to identify patterns while data context is preserved?'. The main contribution of this thesis is the employment of network visualization to depict relationships between multidimensional elements based on the similarity between datapoints. This abstract representation can make complex relationships visually accessible to the user. To illustrate the effectiveness of network visualization for data analysis, we present methods for the two principal data summarization tasks, clustering and dimension reduction. Data clustering often requires looking at different resolutions in data, especially when data is heterogeneous. However, by inspecting them as similarity networks, we can find a scalable environment to navigate through different granularities of data. The classical visualization of dimensionality reduction results relies on scatterplots, reducing a high number of dimensions to two or three. Using networks such as topological data analysis, we can reduce dimensionality to a space in which the distance between points is defined by the path length in the network. The layout or visualization of the network can then be more dynamic because the connectivity of the nodes is preserved. With this type of representations, analysts can explore and recognize global and local signals in data, depending on the task at hand. In addition to these general techniques, we describe applications in which topological data analysis contributes to exploring and evaluating complex data. The present thesis systematically discusses the benefits and challenge

关键词： 数据结构  

ISBN: (纸本)9787516525098

摘要： 本书严格根据最新的全国硕士研究生考试计算机学科专业基础综合考试大纲《数据结构》部分编写，针对线性表、栈、队列和数组、树与二叉树、图、查找及排序等大纲要求的知识点进行解读，力求内容精练深入，重点和难点突出。本书既包括历年全国联考的全部真题，也精选了多所非联考名校考研真题。另外，还重点组织编写了部分习题和模拟预测题，并对所有题目进行了解析，力求使考生能够深入把握考点、明确解题思路和熟练解题技巧，有效提高复习效果。