Query：
所有字段：(空)
Refining：
Year
Type
Indexed by
Source
Complex
Co-
Language
Clean All
Abstract ：
基于成果导向教育理念,将学生质量作为《基础工程》课堂教学的核心目标.首先,通过完善课程目标和能力要求,构建课程质量与毕业要求的联系,建立适用于《基础工程》课程的成果导向教育评价体系和课程目标达成度.然后,通过改进教学方法和考核环节,构建课程目标达成度.最后,剖析了课程达成度的构建方法以及教学大纲的修订过程.为成果导向教育理念和达成度指标在教学大纲修订中的应用提供示例和依据.
Keyword ：
基础工程 基础工程 成果导向教育 成果导向教育 教学大纲 教学大纲 达成度 达成度
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 马宏岩 , 黄冀卓 , 方绪华 . 基于达成度评价指标的《基础工程》大纲修订方法探讨 [J]. | 教育教学论坛 , 2020 , (9) : 328-330 . |
| MLA | 马宏岩 等. "基于达成度评价指标的《基础工程》大纲修订方法探讨" . | 教育教学论坛 9 (2020) : 328-330 . |
| APA | 马宏岩 , 黄冀卓 , 方绪华 . 基于达成度评价指标的《基础工程》大纲修订方法探讨 . | 教育教学论坛 , 2020 , (9) , 328-330 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
In this paper, a novel hybrid meta-heuristic algorithm called ESSAWOA is proposed for solving global optimization problems. The main idea of ESSAWOA is to enhance Whale Optimization Algorithm (WOA) by combining the mechanism of Salp Swarm Algorithm (SSA) and Lens Opposition-based Learning strategy (LOBL). The hybridization process includes three parts: First, the leader mechanism with strong exploitation of SSA is applied to update the population position before the basic WOA operation. Second, the nonlinear parameter related to the convergence property in SSA is introduced to the two phases of encircling prey and bubble-net attacking in WOA. Third, LOBL strategy is used to increase the population diversity of the proposed optimizer. The hybrid design is expected to significantly enhance the exploitation and exploration capacity of the proposed algorithm. To investigate the effectiveness of ESSAWOA, twenty-three benchmark functions of different dimensions and three classical engineering design problems are performed. Furthermore, SSA, WOA and seven other well-known meta-heuristic algorithms are employed to compare with the proposed optimizer. Our results reveal that ESSAWOA can effectively and quickly obtain the promising solution of these optimization problems in the search space. The performance of ESSAWOA is significantly superior to the basic WOA, SSA and other meta-heuristic algorithms.
Keyword ：
Hybridization Hybridization Lens Opposition-based Learning Lens Opposition-based Learning Nonlinear parameter Nonlinear parameter Salp Swarm Algorithm Salp Swarm Algorithm Whale Optimization Algorithm Whale Optimization Algorithm
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | Fan, Qian , Chen, Zhenjian , Zhang, Wei et al. ESSAWOA: Enhanced Whale Optimization Algorithm integrated with Salp Swarm Algorithm for global optimization [J]. | ENGINEERING WITH COMPUTERS , 2020 , 38 (SUPPL 1) : 797-814 . |
| MLA | Fan, Qian et al. "ESSAWOA: Enhanced Whale Optimization Algorithm integrated with Salp Swarm Algorithm for global optimization" . | ENGINEERING WITH COMPUTERS 38 . SUPPL 1 (2020) : 797-814 . |
| APA | Fan, Qian , Chen, Zhenjian , Zhang, Wei , Fang, Xuhua . ESSAWOA: Enhanced Whale Optimization Algorithm integrated with Salp Swarm Algorithm for global optimization . | ENGINEERING WITH COMPUTERS , 2020 , 38 (SUPPL 1) , 797-814 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
贝叶斯极限学习机(BELM)具有充分利用数据先验信息,可以自适应估计模型参数的特点.但在样本数量不断增加时,如果每次都对BELM重新训练将会降低计算效率.针对此问题,本文提出一种动态贝叶斯极限学习机(DBELM)方法以应用于变形监测数据实时预报.该方法以BELM训练的模型参数为初值,根据新增样本信息可对初始模型参数进行动态更新,并从理论上推导了相关计算公式.通过对仿真数据和实际变形数据进行详细分析表明:DBELM方法的预报精度要优于BELM、正则化极限学习机(RELM)、极限学习机(ELM)3种方法.特别是在长期持续预报过程中,其预报性能相对于其余3种方法优势明显.这充分表明了所提方法应用于变形监测数据预报领域具有可行性和有效性.
Keyword ：
动态贝叶斯极限学习机 动态贝叶斯极限学习机 变形监测 变形监测 实时预报 实时预报 极限学习机 极限学习机 预报性能 预报性能
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 范千 , 方绪华 , 许承权 et al. 变形监测数据预报的动态贝叶斯ELM方法 [J]. | 测绘学报 , 2019 , 48 (7) : 919-925 . |
| MLA | 范千 et al. "变形监测数据预报的动态贝叶斯ELM方法" . | 测绘学报 48 . 7 (2019) : 919-925 . |
| APA | 范千 , 方绪华 , 许承权 , 杨荣华 . 变形监测数据预报的动态贝叶斯ELM方法 . | 测绘学报 , 2019 , 48 (7) , 919-925 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
Bayesian extreme learning machine (BELM) has the characteristics of making full use of the prior information of data and self-adaptive estimation of model parameters. However, when the sample size increases, the computational efficiency will be reduced if BELM training is repeated every time. To solve this problem, a dynamic bayesian extreme learning machine (DBELM) method is proposed for real-time prediction of deformation monitoring data. This method takes BELM training model parameters as initial values. According to the new sample information, the initial model parameters can be updated dynamically, and the relevant calculation formula is deduced theoretically. The detailed analysis of simulation data and actual deformation data show that the prediction accuracy of DBELM method is better than that of BELM, RELM and ELM.Especially in the long term continuous forecast, its forecasting performance has obvious advantages over the other three methods.This fully demonstrates the feasibility and validity of the proposed method in the field of deformation monitoring data prediction. © 2019, Surveying and Mapping Press. All right reserved.
Keyword ：
Computational efficiency Computational efficiency Deformation Deformation Forecasting Forecasting Knowledge acquisition Knowledge acquisition Machine learning Machine learning Monitoring Monitoring
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | Fan, Qian , Fang, Xuhua , Xu, Chengquan et al. Dynamic Bayesian ELM method for deformation monitoring data prediction [J]. | Acta Geodaetica et Cartographica Sinica , 2019 , 48 (7) : 919-925 . |
| MLA | Fan, Qian et al. "Dynamic Bayesian ELM method for deformation monitoring data prediction" . | Acta Geodaetica et Cartographica Sinica 48 . 7 (2019) : 919-925 . |
| APA | Fan, Qian , Fang, Xuhua , Xu, Chengquan , Yang, Ronghua . Dynamic Bayesian ELM method for deformation monitoring data prediction . | Acta Geodaetica et Cartographica Sinica , 2019 , 48 (7) , 919-925 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
将局部均值分解方法LMD应用于建筑物变形监测数据去噪.首先介绍局部均值分解的基本原理,然后给出其去噪的流程,最后通过一工程的实际数据进行分析.结果表明,其去噪性能优于EMD滤波去噪方法与小波去噪方法.
Keyword ：
去噪 去噪 变形监测 变形监测 局部均值分解 局部均值分解 建筑物 建筑物
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 范千 , 方绪华 . 建筑物变形监测数据去噪的LMD方法 [J]. | 福州大学学报（自然科学版） , 2017 , 45 (4) : 508-511 . |
| MLA | 范千 et al. "建筑物变形监测数据去噪的LMD方法" . | 福州大学学报（自然科学版） 45 . 4 (2017) : 508-511 . |
| APA | 范千 , 方绪华 . 建筑物变形监测数据去噪的LMD方法 . | 福州大学学报（自然科学版） , 2017 , 45 (4) , 508-511 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
本文将结构风险最小化原则引入极限学习机模型,建立了在考虑变形因子模式下大坝变形预报的正则化极限学习机模型.该模型不仅计算速度较快,而且具有较强的泛化能力.通过对实际工程监测数据的详细分析,结果表明正则化极限学习机模型可以避免原极限学习机模型会导致过学习现象发生的可能,且其预报精度要优于原极限学习机模型、支持向量机模型与BP神经网络模型.显示了将其应用于大坝变形数据分析与预报领域是完全行之有效的.
Keyword ：
变形因子 变形因子 大坝变形预报 大坝变形预报 正则化极限学习机 正则化极限学习机 结构风险最小化 结构风险最小化 过学习 过学习
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 范千 , 方绪华 . 考虑变形因子模式下基于正则化极限学习机的大坝变形预报方法 [J]. | 贵州大学学报（自然科学版） , 2015 , 32 (6) : 57-61 . |
| MLA | 范千 et al. "考虑变形因子模式下基于正则化极限学习机的大坝变形预报方法" . | 贵州大学学报（自然科学版） 32 . 6 (2015) : 57-61 . |
| APA | 范千 , 方绪华 . 考虑变形因子模式下基于正则化极限学习机的大坝变形预报方法 . | 贵州大学学报（自然科学版） , 2015 , 32 (6) , 57-61 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
测量学实践教学是土木工程实践教学活动的重要环节,具有很强的直观性和操作性.实践能力包含着实践动机、一般实践能力、专项实践能力和情境实践能力四个基本要素.文章在分析测量学实践教学现状的基础上,提出了加强专项实践能力和情境实践能力训练,完善测量学实践教学体系建设的具体对策,以提高大学生专业实践的分析能力、策划能力和执行能力.
Keyword ：
实践教学 实践教学 实践能力 实践能力 测量学 测量学
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 方绪华 . 提高大学生专业实践能力的思考 [J]. | 高等建筑教育 , 2014 , 23 (1) : 116-118 . |
| MLA | 方绪华 . "提高大学生专业实践能力的思考" . | 高等建筑教育 23 . 1 (2014) : 116-118 . |
| APA | 方绪华 . 提高大学生专业实践能力的思考 . | 高等建筑教育 , 2014 , 23 (1) , 116-118 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
提出一种基于经验模式分解(EMD)与LM-BP神经网络相结合的模型进行大坝变形预报的方法.先利用EMD具有根据信号本身特征进行自适应分解的功能将变形时间序列分解为一系列不同尺度的固有模式分量IMF,再根据各个IMF的变化规律采用相匹配的LM-BP模型进行预报,最后对各分量的预报值进行叠加得到最终的变形预报结果.实例分析表明,该方法具有较高的预测精度和较强的适应能力.
Keyword ：
变形 变形 大坝 大坝 神经网络 神经网络 经验模式分解 经验模式分解 预报 预报
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 范千 , 许承权 , 方绪华 . 基于经验模式分解与LM-BP神经网络的大坝变形预报模型 [J]. | 福州大学学报(自然科学版) , 2011 , 39 (03) : 438-442 . |
| MLA | 范千 et al. "基于经验模式分解与LM-BP神经网络的大坝变形预报模型" . | 福州大学学报(自然科学版) 39 . 03 (2011) : 438-442 . |
| APA | 范千 , 许承权 , 方绪华 . 基于经验模式分解与LM-BP神经网络的大坝变形预报模型 . | 福州大学学报(自然科学版) , 2011 , 39 (03) , 438-442 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
提出一种基于经验模式分解(EMD)与LM-BP神经网络相结合的模型进行大坝变形预报的方法.先利用EMD具有根据信号本身特征进行自适应分解的功能将变形时间序列分解为一系列不同尺度的固有模式分量IMF,再根据各个IMF的变化规律采用相匹配的LM-BP模型进行预报,最后对各分量的预报值进行叠加得到最终的变形预报结果.实例分析表明,该方法具有较高的预测精度和较强的适应能力.
Keyword ：
变形 变形 大坝 大坝 神经网络 神经网络 经验模式分解 经验模式分解 预报 预报
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 范千 , 许承权 , 方绪华 . 基于经验模式分解与LM一BP神经网络的大坝变形预报模型 [J]. | 福州大学学报（自然科学版） , 2011 , 39 (3) : 438-442 . |
| MLA | 范千 et al. "基于经验模式分解与LM一BP神经网络的大坝变形预报模型" . | 福州大学学报（自然科学版） 39 . 3 (2011) : 438-442 . |
| APA | 范千 , 许承权 , 方绪华 . 基于经验模式分解与LM一BP神经网络的大坝变形预报模型 . | 福州大学学报（自然科学版） , 2011 , 39 (3) , 438-442 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
为了削弱非模型化误差对单频GPS基线解算的影响,引入经验模式分解法对原始双差观测值进行自适应滤波消噪.在此基础上应用消噪后的双差观测值结合LAMBDA方法进行整周模糊度确定,进而计算基线固定解.算例分析结果表明:此方法可以有效增强基线解算的可靠性并能明显改善定位精度.
Keyword ：
单频GPS 单频GPS 基线解算 基线解算 经验模式分解 经验模式分解
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 范千 , 方绪华 , 许承权 . 单频GPS基线精化解算的经验模式分解方法 [J]. | 河海大学学报（自然科学版） , 2011 , 39 (5) : 545-549 . |
| MLA | 范千 et al. "单频GPS基线精化解算的经验模式分解方法" . | 河海大学学报（自然科学版） 39 . 5 (2011) : 545-549 . |
| APA | 范千 , 方绪华 , 许承权 . 单频GPS基线精化解算的经验模式分解方法 . | 河海大学学报（自然科学版） , 2011 , 39 (5) , 545-549 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Export
| Results： |
Selected to |
| Format： |
