最新資訊

全過(guò)程學(xué)業(yè)預(yù)警跟蹤評(píng)價(jià)系統(tǒng)的研究與實(shí)現(xiàn)

傳統(tǒng)的學(xué)業(yè)預(yù)警系統(tǒng)通常更多關(guān)注學(xué)生的成績(jī)、考勤等終結(jié)性指標(biāo)，并在這些指標(biāo)達(dá)到特定條件時(shí)觸發(fā)預(yù)警。所研究的學(xué)業(yè)預(yù)警系統(tǒng)采用了全過(guò)程化監(jiān)測(cè)預(yù)警方法，不僅對(duì)學(xué)生的期末成績(jī)、年度考核、出勤等常規(guī)指標(biāo)進(jìn)行監(jiān)測(cè)，還對(duì)學(xué)生的課堂表現(xiàn)、課后作業(yè)、團(tuán)隊(duì)考核、思想政治考核、經(jīng)濟(jì)壓力等進(jìn)行全面跟蹤、分析與評(píng)價(jià)。同時(shí)根據(jù)本科生導(dǎo)師制實(shí)施細(xì)則，發(fā)動(dòng)各導(dǎo)師積極參與到學(xué)業(yè)預(yù)警活動(dòng)中，作為學(xué)生學(xué)習(xí)過(guò)程中的重要指導(dǎo)者，跟蹤和評(píng)估學(xué)生的學(xué)業(yè)表現(xiàn)，并提供及時(shí)、有效、精準(zhǔn)的學(xué)業(yè)指導(dǎo)，實(shí)現(xiàn)了從發(fā)出預(yù)警到指導(dǎo)效果的全程、閉環(huán)監(jiān)控。采用粒子群算法（PSO）優(yōu)化支持向量機(jī)（SVM），并結(jié)合Web與小程序技術(shù)，實(shí)現(xiàn)了全過(guò)程學(xué)業(yè)預(yù)警跟蹤評(píng)價(jià)系統(tǒng)，有效提升了預(yù)警的精準(zhǔn)度和時(shí)效性，填補(bǔ)了傳統(tǒng)學(xué)業(yè)預(yù)警系統(tǒng)的不足。該系統(tǒng)對(duì)于提高學(xué)生學(xué)業(yè)質(zhì)量具有重要意義，同時(shí)也為其他高校的學(xué)業(yè)預(yù)警幫扶系統(tǒng)提供參考。

發(fā)表于：2/20/2025

一種基于指令流水線的數(shù)據(jù)匹配算法

基于正則表達(dá)式的數(shù)據(jù)匹配技術(shù)在基礎(chǔ)數(shù)據(jù)治理和清洗方面有著重要的應(yīng)用價(jià)值。然而，在高性能計(jì)算領(lǐng)域的數(shù)據(jù)處理過(guò)程中因算法匹配吞吐率低，無(wú)法滿足大數(shù)據(jù)處理環(huán)境下對(duì)算法的高性能要求，造成其應(yīng)用范圍受限。針對(duì)此現(xiàn)象，提出一種基于指令流水線的數(shù)據(jù)匹配算法，稱之為γFA：利用Intel架構(gòu)內(nèi)置的向量指令流水式讀入若干字符段，通過(guò)大寬度向量比較函數(shù)進(jìn)行字符段與非信任字符集的流水比值處理并轉(zhuǎn)換成整型向量，通過(guò)位置定位函數(shù)累加定位出所有整型向量的首個(gè)非信任字符位置，計(jì)算出可略過(guò)的總字符數(shù)，減少正則表達(dá)式匹配引擎因處理非信任字符集導(dǎo)致訪問(wèn)低速內(nèi)存而帶來(lái)巨大的時(shí)間開(kāi)銷，實(shí)現(xiàn)正則表達(dá)式匹配算法的性能提升。實(shí)驗(yàn)結(jié)果表明，γFA算法的吞吐率是原始DFA算法的15.88~53.06倍，相比于ßFA算法，吞吐率提升了35.12%~63.26%，取得較好的性能加速效果。此外，通過(guò)對(duì)γFA算法進(jìn)行優(yōu)化后，性能可接近100 Gb/s，為原始DFA匹配算法性能的15.88~64.94倍，相比于γFA算法性能提升了2.15%~43.09%。

發(fā)表于：2/20/2025