课程文献中心 更多>>

关键词： 测绘工程   面向对象   测量平差   数据结构  

摘要： 针对测绘数据组织与软件开发的基本方法,对《数据结构》这门课程在测绘行业数据处理中的作用进行了客观评价,并对面向对象的编程思想在测绘行业数据处理中的重要性进行了分析,提出了在测绘软件开发类课程中应加强《数据结构》这一课程内容的讲解,并实现其与面向对象编程思想的融会贯通。立足于当前测绘工程专业本科教学中软件开发类课程,以机助控制网平差算法的设计与实现为例,结合测绘行业数据处理的特性,探讨了面向对象的程序设计方法在测绘行业经典数据处理中的应用,通过上述教学改革措施,一方面,教会学生利用《数据结构》的思路实现对测绘行业数据的有效管理;另一方面,促进学生在短期内实现对面向对象程序设计方法的良好把握,从而实现测绘行业软件的高效、高质量研发。

关键词： 数据结构课程   MOOC教学模式   教学设计  

摘要： 通过探讨数据结构课程的MOOC教学模式,希望通过MOOC提供给学生一种与传统课堂教学和网络公开课不同的学习渠道,激发学生的学习兴趣,引导学生探索知识,更好地掌握数据结构这门课程。

关键词： 命令式程序   数据结构   分离逻辑   归纳谓词   数据约束  

摘要： 霍尔逻辑是一种众所周知的基于一阶逻辑对命令式程序的行为进行推理和验证的形式系统。然而，使用霍尔逻辑对于存在指针和动态数据结构的命令式程序进行推理和验证是一件比较困难的事情。主要问题在于:1)一阶逻辑没有表达指针变量非别名的原语，在程序分析与验证时必须考虑所有的别名模式，2）当牵涉到内存分配和释放操作时，需要对指针变量所处的论域进行扩充或限制，而一阶逻辑不具备改变变量所处的论域的能力。为了克服霍尔逻辑的上述缺陷，Reynolds、O\'Hearn等人在2000年左右提出了分离逻辑。分离逻辑通过引入分离算子克服了霍尔逻辑的上述不足，使得能够以比较自然的方式来描述程序计算过程中内存和动态数据结构的性质，从而简化了对含有指针和动态数据结构的命令式程序的验证工作。而且，分离逻辑能够支持局部推理，可以将推理集中在程序执行过程中所访问的内存片段上，然后再通过框架规则(Frame rule)将推理扩展到程序的全局状态。\n 在使用分离逻辑对含有动态数据结构的命令式程序进行验证时，一般引入归纳谓词来对动态数据结构进行抽象表示，而且程序验证问题最终归结为两个分离逻辑公式的蕴涵问题。由于含有归纳谓词的分离逻辑的蕴涵问题一般是不可判定的，目前的大多数基于分离逻辑的工具只提供了不完备的判定算法。\n 在本文中，我们定义了带线性可组合归纳谓词与数据约束的分离逻辑的一个子集，使得可以在统一的框架下同时对线性数据结构的形状性质（即单链表、双链表、带尾指针的单双链表）与数据性质（比如有序性和长度约束）进行描述。我们针对该子集的可满足性问题与蕴涵问题提供了完备的判定算法。我们将该子集的可满足性问题归结为整数域上的线性算术公式的可满足性问题，然后交给目前主流的SMT求解器求解。对于蕴涵问题，我们将分离逻辑公式用图来表示，然后将两个逻辑公式的蕴涵问题转化为它们的图表示之间的某种图同态问题。最后，我们将我们的判定算法进行了实现，开发了原型工具，进行了相关实例研究。

关键词： 互联网+   碎片化设计   教学模式  

摘要： 传统的网络教学是将课堂教学内容复制到网络平台,没有将教学内容进行碎片化设计,无法实现个性化教学,直接影响了教学质量。本课题探讨在"互联网+教学"背景下,如何利用网络教学平台、网络教学资源,对数据结构课程进行改革,为高校教学质量的提高提出建议。

关键词： 案例群   线下线上混合教学法   学生的“学”   数据结构  

摘要： 为了拓展传统课堂教学的广度,加强学生的"学"在教学中的地位,在案例教学法和在线课程的基础上,提出基于案例群的线下线上混合教学法。在教学方法上,由案例教学法进一步拓展到案例群教学法。在教学手段上,由纯线下教学发展到线下线上混合教学。该混合教学方法在课程教学实践过程中取得良好效果。

关键词： 数控   数据结构   特征提取   数据库   数据处理   图形输入  

摘要： 根据NC车削自动编程系统的需要,为高效输入图形零件信息,实现数控编程的自动化,确定了基于回转体零件的数据结构(包括几何信息和工艺信息)。通过求交算法实现各图素的特征提取和输入,客户可在屏幕上点选特征图素并同时输入其对应的工艺信息,随后通过动态绑定技术利用数据库来进行数据处理和储存。不同的特征图素将产生不同类型的表,可通过打开数据库的方式使零件图形输入并重现,最终实现输出系统所需的数据结构,提高了图形输入效率,为虚拟化数控加工仿真提供技术支撑。

关键词： 数据结构   教学改革   教学方法   教学手段  

摘要： 在数据结构实际教学工作中积极思考、探讨和实践,充分运用多媒体技术教学手段、实例驱动型教学方式、互动型教学方法、"区别对待型"教学方法,提高学生学习数据结构的兴趣和积极性,获得较好的课堂效果和较高的教学质量。同时,在教学过程中使用双语教学模式,以进一步提高学生相关专业英文素养。

关键词： LISP映射系统   系统架构   数据结构   并发处理  

摘要： 当前互联网路由体系面临着可扩展性和无法有效支持移动网络的问题。其根源在于现有网络架构中IP地址存在语义过载问题，被同时用作主机身份和网络路由标识。为解决该问题，位置身份分离协议LISP（Locator/ID Separation Protocol）被提出。其中，LISP映射系统作为实现身份与位置映射查找的功能单元，是影响和制约LISP系统功能与性能的关键。现有LISP映射系统在性能、可扩展性和支持移动网络等方面存在着不足。本文研究LISP映射系统关键技术，提出一种基于软件定义网络控制器的LISP映射系统架构，基于此架构实现了支持超大规模映射规则集的LISP映射系统，并在此基础上进行优化，设计并实现了支持高吞吐、低延时的LISP映射系统。本文的主要内容包括:\n 1.基于软件定义网络控制器设计LISP映射系统整体架构，分析了该架构的扩展性和可用性。该架构为基于分布式哈希表的全分布式系统，在每个节点基于Floodlight实现LISP映射服务。系统包括LISP与Floodlight交互以及LISP映射服务两部分。在LISP与Floodlight交互部分，通过复用Floodlight中的Openflow控制接口设计LISP映射系统南向通道，同时使用线程池和队列建立报文处理模型处理LISP映射报文。在LISP映射服务部分，设计了映射规则可扩展的数据结构，基于一致性哈希和节点探测机制实现LISP映射系统扩展性，并提出对移动网络的支持方案。\n 2.设计实现了一种基于Cassandra的LISP映射系统。在前述LISP映射系统架构设计基础上，使用Cassandra作为存储方案实现LISP映射系统，支持超大规模映射规则集。其中，设计并实现了LISP映射查询和注册功能。为支持移动网络，设计了Cassandra数据模型保存相关查询记录，设计了生命周期超时失效机制降低记录存储规模。实验结果表明，随着映射规则规模的增加，该系统具有较高的查询吞吐率和较低的系统响应时间。\n 3.设计实现了一种基于单跳查找的LISP映射系统。在前述支持超大规模映射规则集的LISP映射系统基础上，通过适当增加存储开销，设计相关组件以进一步降低系统响应时间并提高系统查询吞吐率。其中包括设计远程过程调用通信框架提高系统并发处理能力，设计了单跳查找组件降低系统响应时间，设计了负载均衡组件在降低系统开销的同时实现负载均衡;为了支持移动网络，设计了哈希表结合双向链表的数据结构存储查询记录，同时重构了LISP注册和查询请求处理流程。实验结果表明，该实现方案比支持超大规模映射规则集方案在查询吞吐率性能方面提升300％，系统响应时间更低。

关键词： 真题分析   课堂练习   教学改革  

摘要： 针对数据结构课程教学中存在的问题,分析历年考研真题及该课程自身的知识体系,提出从理论教学方面,将教学内容划分为不同的知识单元,采用启发式和课堂练习相结合的教学方式;从实践教学方面,调整实验分类及实验的考核方式,并设置竞赛环节。

关键词： 并行处理平台   决策树分类   数据结构   决策属性   P_SLIQ算法  

摘要： 目前分类算法（Sorting Algorithm）在这几年应用十分广泛。随着互联网的发展，信息的增多，人们渐渐发现由互联网产生的数据从表面上看虽然是一般的数据，但当数据量很大时，这些数据可能隐藏着某些有价值的信息。数据挖掘通过科学的手段发掘出隐藏的信息，其中分类作为数据挖掘的常用方法，它通过给定的数据集构造出与数据有关的分类器。决策树是常用的分类算法，一般的决策树算法受处理机存储空间大小、处理速度的影响而不能对海量数据建立分类器。Hadoop作为分布式处理平台，具有高存储和分布式处理的特点，是较好的大数据处理平台。另外Hadoop集群搭建简单，只需三个linux系统就可以搭建一个Hadoop分布式开发平台，该开发平台对于具有java语言基础的用户来说非常容易入门。\n 以前的C4.5算法虽然能够处理连续属性的数据，但其需要不断地对连续属性值排序。现存的SLIQ算法采用的广度优先建树策略能够快速的寻找到子树的节点，具有快速生成训练子集的特点。SLIQ算法在建树之前，对未排序的连续属性进行预先排序，生成的数据结构有属性列表和类列表，一定程度提高了建树速度。SLIQ算法的类列表在建树过程中一直在内存中，算法的伸缩性容易受到内存的限制。为了优化算法不受内存限制和快速寻找子集，本文提出一种属性列表和哈希表相结合的并行P_SLIQ（Parallelization_SLIQ）算法；为了使得P_SLIQ算法并行寻找决策属性和并行划分属性表，本文接着又提出了基于MapReduce的MR_SLIQ（MapReduce_SLIQ）算法设计。\n （1）本文介绍了决策树分类理论基础以及分类方法。主要有信息论方面的知识，分析了几个常用的决策树方法，接着又分析了并行处理平台以及特点。针对几种并行策略和SLIQ的特点，提出了一种属性列表与哈希表相结合的不受内存限制的并行P_SLIQ（Parallelization_SLIQ）算法。该算法将其使用的数据结构进行优化，主要通过去除类别列表，使每个属性列表都包括去除其他非类表属性信息外的所有信息。通过优化数据结构使算法不易受内存的限制同时引入哈希表也可以快速分割属性表。\n （2）本文为了能够并行化处理P_SLIQ算法，根据提出的P_SLIQ算法的特点，结合编程模型MapReduce又提出了一种可以快速计算决策属性和快速分割属性表的算法即：基于MapReduce的MR_SLIQ（MapReduce_SLIQ）并行处理算法。MR_SLIQ算法能够并行地确定决策属性，并行地寻找子训练集。主要通过设计Map()函数和 Reduce()函数实现MR_SLIQ算法并行化。\n 本文分别从算法结构、存储性能以及并行效率等方面介绍了以上两种算法。本文将重点介绍如何设计P_SLIQ并行算法的数据结构和并行策略。重点介绍MR_SLIQ是如何设计map()函数和 reduce()函数实现并行化计算增益率和寻找子集的。最后通过测试大量数据来验证设计的MR_SLIQ算法的正确性和并行计算能力。