简介:混合与在线教育的浪潮正以前所未有的方式引发K-12教育系统的变革,认识国际K-12混合与在线教育的推进现状并把握其未来发展趋势,对于我国基础教育教学改革具有重要现实意义。美国K-12在线教育国际联盟副主席艾雷森·鲍威尔博士围绕K-12混合与在线教育的现状和未来发展趋势,重点探讨了数字化教育资源的开发和共享模式、市场机制、资助模式、教师发展培训等普遍性和根本性问题。在美国及全球多个国家,K-12混合与在线教育在教育市场中利用竞争优势满足了受教育者的需求,提高了教育服务的活力和质量;基于绩效表现评估的资助模式是国际K-12混合与在线教育的一个有益尝试;混合教育更容易被大多数学生所采纳,而全日制在线教育则更受有特殊需求的学习者青睐;教育资源的均衡分配、政策和资金的支持、教师培训以及教育信息化领导力等问题是影响K-12混合与在线教育持续发展的关键性问题。
简介:提出了一种基于模糊优化多目标进化算法(FMOEA)的配电网故障定位新方法。FMOEA对基于排序选择的传统多目标进化算法进行改良,有效避免了其种群早熟的问题,在排序结果中引入模糊优选决策因子,得到本代个体的最终适应度值,之后再经过复制、交叉、变异和迭代等过程,直到满足终止条件得到最终的Pareto解集;最后对适用于故障定位的最优解集处理办法进行了探讨与分析,以便从最优解集中筛选出符合故障情况的唯一解。算例仿真测试针对不同的配电网系统结构,分别模拟系统单点、多点故障,以及信息完备与部分信息畸变的情况,结果表明该算法可以实现配电网故障的:有效定位,通过对比遗传算法,验证了该方法寻找全局最优Pareto解集的有效性及良好的收敛性能。
简介:HOG算法作为经典的特征描述子被广泛地应用于农业、工业、国防等领域。由于运算量较大,限制了HOG在视频采集终端和便携式设备上的使用和推广。因此,在不影响特征子性能的前提下,基于TI公司1GHz主频的定点处理器TMS320C6416,针对HOG算法的运算效率问题进行了算法层面、代码层面和编译层面的优化,大幅提升HOG算法的效率。以320*256的8位灰度图像为实验对象,进行BIN值为5的HOG特征提取,处理时间为9.1ms,实现每秒100帧的处理频率,BIN每增加1,处理增加1.5ms。经过实验验证,优化后的HOG特征仍具有良好的识别性能。