新高考方案下浙江省化学分类走班教学的研究

新高考方案给予学生更多学科选择权,同时也给化学学科带来了新的挑战。以化学教学为视角,在2014级学生实施分类走班教学的基础上,通过调查影响学生化学学考/选考的因素,探究新高考方案对化学教学的影响以及实践相应的教学策略。重点研究教学组织形式的改变、教学内容的重组融合、教学手段的多元互补、教学方式的选择优化、教学观念的更新发展。     

用于药品质量快速检测的近红外光谱模糊神经元分类方法

针对非线性且分类界线模糊的药品质量类别快速测定难题, 将近红外光谱分析与模糊神经网络相结合, 经研究提出近红外光谱模糊神经网络分类方法, 用于计算辨析中药等化学组成复杂药品的近红外光谱模式类别, 从而快速评定这类药品的质量. 以参麦注射液为典型分析对象, 以鉴别其生产厂家这一模式分类问题为例, 考核本文方法, 结果表明, 其分类准确率达到94.2%, 明显优于经典的BP神经网络分类方法(84.6%), 可望用于中药产品质量类别的快速检测与评价.     

空气热机平衡点的快速判定方法

对空气热机实验数据中获取的转速、温差等进行K型均值聚类和最近邻节点分类分析,获得空气热机是否达到平衡状态的快速判别方式,以及该判别方式在实验数据中表现出的区分能力和准确度．     

求一次函数解析式时要注意“陷阱”

<正>一次函数是初中数学的一个重点,求一次函数解析式时,同学们常因为忽视隐含条件、概念模糊、性质理解不透、问题考虑不周等等而误入"陷阱",出现了这样或那样的错误.下面就用年号问题为例来说明,求一次函数的解析式时要注意"陷阱".(一)忽视分类讨论坠入"陷阱"例1已知一次函数y=kx+b(k≠0)的图像与x轴交于A(2015,0)、与y轴交于点B,并且△AOB的面积为4030,求此函数的解析式.     

透过现象看本质——数列中的恒成立问题

数列从本质上讲是一种特殊的函数,其特殊性表现在定义域是正整数集或它的有限子集,函数值是相应数列中的项.因此,研究数列的图象和性质,应注意从函数的观点入手.在高中数学中,函数与不等式、方程是相互联系的,在一定条件下是互相转化的.于是,数列中的恒成立问题主要表现于数列与不等式、方程相结合的恒成立问题.     

例谈高考试题中数形结合思想的应用

数形结合思想包括＂以形助数＂和＂以数辅形＂两个方面,但在有些＂以形助数＂的高考试题中,很多同学缺乏找＂形＂的意识或是不会找＂形＂,以致于无法高质有效地解决问题.而＂以形助数,数形结合＂能使问题简单化,帮助我们快速高效地解决问题.     

指数函数和对数函数

指数函数和对数函数是基本的初等函数,指数函数和对数函数的单调性涉及底的大小的讨论,可以培养学生分类讨论的思维品质,对养成良好的数学思维方式大有好处.另外,对数换底公式的灵活应用,对培养学生的应变能力也是非常有益的.一、对数换底公式的应用     

分类问题的在线顺序双并联快速学习机

双并联前馈神经网络模型是单层感知机和单隐层前馈神经网络的混合结构,本文构造了一种双并联快速学习机算法,与其他类似算法比较,提出的算法能利用较少的隐层单元及更少的待定参数,获得近似的学习性能.数值实验表明,对很多实际分类问题,提出的算法具备更佳的泛化能力,因而可以作为快速学习机算法的有益补充.     

高光谱成像的垃圾分类识别研究

高光谱成像因光谱分辨率高、图谱合一、可实现快速无损检测等特点现已广泛应用于农业、医学、遥感等领域。现有的对可回收生活垃圾检测与分类的方法,都存在检测时间长,分类效率低,而大量多种垃圾无法同时快速分拣等问题。考虑到不同类别的生活垃圾由于其主要组成分子结构的差异,对不同波长的光有不同的吸收特性。高光谱图像在记录待分类垃圾的空间信息的同时,可以获得垃圾对不同波长的光的反射率光谱信息,通过建立识别分类模型对反射率光谱信息进行分析可以实现对高光谱图像中待分类垃圾的识别与分类。收集常见纸质、塑料、木质三种材料的可回收的垃圾样本,包括塑料瓶、食品包装袋、塑料玩具(饰品)碎片、一次性筷子、雪糕棒、木制家具碎片、木制包装盒、废旧课本、广告纸、办公用纸等多种物品共30个样本,进行清洗和裁剪处理,避免样本表面污渍对样本反射率产生影响。利用高光谱成像系统采集样本在近红外(780～1 000 nm)范围内的高光谱图像,其中18个样本做训练样本集,12个样本做测试样本集。对采集的样本图像数据做预处理,包括去噪声以及黑白校正反演反射率信息等处理;通过主成分分析(PCA)方法对训练样本集感兴趣区域(ROI)进行分析,提取到的特征波段为795.815,836.869,885.619,916.409,929.239,934.37,957.463,972.858和988.253 nm;在特征波段下分别提取这三种类别垃圾的参考光谱,通过光谱角度填图法(SAM)对测试样本ROI区域内提取的测试样本点集在特征波段下与参考光谱进行匹配,由匹配程度进行样本点归类,分析结果表明,测试样本集中纸制样本(A类别)、塑料样本(B类别)、木制样本(C类别)的分类准确度分别为100%,98%和100%,测试样本点集整体的分类准确度为99.33%;通过Fisher判别方法分析训练样本集得出判别函数式和判别准则,对测试样本点集分类,评价结果为A,B和C类样本分类准确度分别为100%,100%和97%,测试样本点集整体分类准确度为99%。通过SAM和Fisher两种判别方法对测试样本集的光谱图像进行目标物的检测与分类,结果表明,利用SAM判别方法在可回收垃圾的高光谱图像中实现检测与分类有更高的分类准确度,可达到99.33%。同时,也验证了使用高光谱成像进行可回收垃圾快速分类的科学性以及可行性,对未来系统化、机械化、智能化地解决生活中可回收垃圾的分类具有一定的实用意义。