期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
教育强国视域下高职专业认证的内涵要义、构建逻辑与推进路径
被引量：
4
1
作者
胡楠
郭丽君
《中国职业技术教育》
北大核心
2025年第4期73-82,共10页
高职专业认证是我国职业教育质量保障建设的重要机制,也是推动教育强国建设的战略抓手。其本质是一场由政府引导、行业企业、学校及其他利益相关者多元参与的质量治理运动,通过跨界与互联的方式构建专业认证“命运共同体”。高职专业认...
高职专业认证是我国职业教育质量保障建设的重要机制,也是推动教育强国建设的战略抓手。其本质是一场由政府引导、行业企业、学校及其他利益相关者多元参与的质量治理运动,通过跨界与互联的方式构建专业认证“命运共同体”。高职专业认证具有跨界性、职业性与自发性等内涵特征,其构建过程遵循历史逻辑、理论逻辑和治理逻辑的有机融合,多重逻辑的结合为其持续发展提供坚实的方法论和理论观。基于对高职专业认证制度的系统缕析,在教育强国视域下提出我国高职专业认证的推进路径:理念引领,制定国际标准与中国特色的认证制度;数智赋能,应用人工智能与大数据驱动专业认证;多元参与,促进“政企校研”共同治理的合作新范式;持续改进,优化认证标准的动态调整与创新机制。
展开更多
关键词
职业教育
教育强国
专业认证
质量保障
专业建设
在线阅读
下载PDF
职称材料
基于Boruta和极端随机树方法的森林蓄积量估测
被引量：
10
2
作者
韩瑞
吴达胜
+1 位作者
方陆明
黄宇玲
《林业资源管理》
北大核心
2020年第4期127-133,共7页
森林蓄积量是反映森林资源数量的重要指标之一。本研究应用Boruta特征选择方法和极端随机树(Extremely randomized trees,Extra-trees)方法,以小班为研究单元,估测龙泉市部分区域森林资源的每公顷蓄积量,为县域尺度森林蓄积量的估测提...
森林蓄积量是反映森林资源数量的重要指标之一。本研究应用Boruta特征选择方法和极端随机树(Extremely randomized trees,Extra-trees)方法,以小班为研究单元,估测龙泉市部分区域森林资源的每公顷蓄积量,为县域尺度森林蓄积量的估测提供新的方法和思路。基于研究区的森林资源二类调查数据、高分二号(GF-2)遥感影像数据、数字高程模型数据,提取多元特征组成原始特征集。通过Boruta选择方法对原始特征集进行筛选,利用Extra-trees方法建立森林蓄积量估测模型,选用十折交叉验证法对模型进行检验,并与随机森林(Random Forest,RF)方法和梯度提升(Gradient Boosting)方法进行对比分析。研究结果显示:1)经过Boruta特征选择方法得出的特征有土层厚度、年龄、郁闭度、海拔、坡度和坡向;2)极端随机树方法采用网格搜索调参得到的最优参数组合为:树的个数为250,树的最大深度为14;3)基于Boruta和极端随机树方法的森林蓄积量估测模型的测试精度为84.14%,R2为0.92,RMSE为19.65m^3/hm^2,MAE为13.95m^3/hm^2,模型优于随机森林方法和梯度提升方法,表明Boruta特征选择方法结合极端随机树方法估测森林蓄积量可取得更好的效果。
展开更多
关键词
Boruta特征选择
极端随机树
随机森林
森林蓄积量
机器学习
在线阅读
下载PDF
职称材料
题名
教育强国视域下高职专业认证的内涵要义、构建逻辑与推进路径
被引量：
4
1
作者
胡楠
郭丽君
机构
醴陵市陶瓷烟花职业技术学校
湖南农业大学教育学院
出处
《中国职业技术教育》
北大核心
2025年第4期73-82,共10页
基金
2023年湖南省教育科学“十四五”规划专项课题“湖南省职业教育集团运行机制优化策略研究”(项目编号:XJK23BZJ031,主持人:胡楠)
2023年湖南省自然科学基金项目“湖南省高等职业教育专业认证理论与实践研究”(项目编号:2023JJ60214,主持人:郭丽君)。
文摘
高职专业认证是我国职业教育质量保障建设的重要机制,也是推动教育强国建设的战略抓手。其本质是一场由政府引导、行业企业、学校及其他利益相关者多元参与的质量治理运动,通过跨界与互联的方式构建专业认证“命运共同体”。高职专业认证具有跨界性、职业性与自发性等内涵特征,其构建过程遵循历史逻辑、理论逻辑和治理逻辑的有机融合,多重逻辑的结合为其持续发展提供坚实的方法论和理论观。基于对高职专业认证制度的系统缕析,在教育强国视域下提出我国高职专业认证的推进路径:理念引领,制定国际标准与中国特色的认证制度;数智赋能,应用人工智能与大数据驱动专业认证;多元参与,促进“政企校研”共同治理的合作新范式;持续改进,优化认证标准的动态调整与创新机制。
关键词
职业教育
教育强国
专业认证
质量保障
专业建设
Keywords
vocational education
powerful country in education
professional accreditation
quality as-surance
professional construction
分类号
G710 [文化科学—职业技术教育学]
在线阅读
下载PDF
职称材料
题名
基于Boruta和极端随机树方法的森林蓄积量估测
被引量：
10
2
作者
韩瑞
吴达胜
方陆明
黄宇玲
机构
浙江农林大学信息工程学院
林业感知
技术
与智能装备国家林业和草原局重点实验室
浙江省林业智能监测与信息
技术
研究重点实验室
醴陵市陶瓷烟花职业技术学校
出处
《林业资源管理》
北大核心
2020年第4期127-133,共7页
基金
浙江省科技重点研发计划资助项目(2018C02013)。
文摘
森林蓄积量是反映森林资源数量的重要指标之一。本研究应用Boruta特征选择方法和极端随机树(Extremely randomized trees,Extra-trees)方法,以小班为研究单元,估测龙泉市部分区域森林资源的每公顷蓄积量,为县域尺度森林蓄积量的估测提供新的方法和思路。基于研究区的森林资源二类调查数据、高分二号(GF-2)遥感影像数据、数字高程模型数据,提取多元特征组成原始特征集。通过Boruta选择方法对原始特征集进行筛选,利用Extra-trees方法建立森林蓄积量估测模型,选用十折交叉验证法对模型进行检验,并与随机森林(Random Forest,RF)方法和梯度提升(Gradient Boosting)方法进行对比分析。研究结果显示:1)经过Boruta特征选择方法得出的特征有土层厚度、年龄、郁闭度、海拔、坡度和坡向;2)极端随机树方法采用网格搜索调参得到的最优参数组合为:树的个数为250,树的最大深度为14;3)基于Boruta和极端随机树方法的森林蓄积量估测模型的测试精度为84.14%,R2为0.92,RMSE为19.65m^3/hm^2,MAE为13.95m^3/hm^2,模型优于随机森林方法和梯度提升方法,表明Boruta特征选择方法结合极端随机树方法估测森林蓄积量可取得更好的效果。
关键词
Boruta特征选择
极端随机树
随机森林
森林蓄积量
机器学习
Keywords
boruta feature selection
extremely randomized trees
random forest
forest reserves
machine learning
分类号
TP757 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
教育强国视域下高职专业认证的内涵要义、构建逻辑与推进路径
胡楠
郭丽君
《中国职业技术教育》
北大核心
2025
4
在线阅读
下载PDF
职称材料
2
基于Boruta和极端随机树方法的森林蓄积量估测
韩瑞
吴达胜
方陆明
黄宇玲
《林业资源管理》
北大核心
2020
10
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
