介绍了一种基于系统特征数据的控制器设计算法.该算法仅根据被控对象的输入、输出采样数据,按照卷积定理计算出被控对象的单位脉冲响应作为系统的特征数据;在控制量约束条件下,根据特征数据以最速响应为控制目标规划出输出参考数据和最速控制律;然后根据控制目标和最速控制律的要求计算出理想控制器的特征数据;最后,根据控制器的特征数据辨识出线性控制器参数.仿真结果表明,控制结果具有最速参考控制的特征

（一）理论课程 1《数据库原理》 2《Java 程序设计》 3《操作系统原理》 4《人工智能导论》 5《信息安全概论》 6《数据结构与算法》 7《ARM 基础》 8《嵌入式系统技术》 9《计算机科学导论》课程互动式教学大纲 10《数字电路基础》 11《智能算法应用开发》 12《Web 前端开发技术》 13《C 语言程序设计》 14《Linux 程序设计》 15《面向对象程序设计》 16《数值计算方法》 17《云平台系统》 18《云应用开发》 19《软件工程经济学》课程设计教学大纲 20《软件工程经济学》课程设计教学大纲 21《网络编程技术》 22《移动开发技术》 23《计算机网络》 24《单片机基础》课程设计教学大纲 25《计算机组成原理》课程设计教学大纲 26《大数据分析(数据挖掘)》 27《智能算法程序设计(Python)》 28《Java Web 应用开发》 29《web 开发技术》 （二）实验课程 30《数据库原理》 31《Java 程序设计》 32《操作系统原理》 33《文献检索》 34《智能算法程序设计(Python)》 35《信息安全概论》 36《数据结构与算法》 37《ARM 基础》 38《Linux 系统管理》 39《嵌入式系统技术》 40《数字电路基础》 41《智能程序应用开发》 42《Web 前端开发技术》 43《C 语言程序设计》 44《Linux 程序设计》 45《面向对象程序设计》 46《数值计算方法》 47《云平台》 48《云应用开发》 49《软件工程经济学》课程设计教学大纲（实验） 50《网络编程技术》 51《移动开发技术》 52《计算机网络》 53《单片机基础》 54《计算机组成原理》 55《大数据分析(数据挖掘)》 56《智能算法程序设计(Python)》 57《Java Web 应用开发》课程 58《web 开发技术》课程 （三）实践课程 59《C 语言程序概念实训》 60毕业设计教学大纲 61《毕业实习》教学大纲 62《程序设计技能实训》 63《计算机综合项目实训》 64《专业教育》 65《嵌入式系统技术》 66《云应用开发课程设计》 67《C 语言课程设计》

• 6.1 云数据库概述 • 6.2 云数据库产品 • 6.3 云数据库系统架构 • 6.4 Amazon AWS和云数据库 • 6.5 微软云数据库SQL Azure • 6.6 云数据库实践

1.1 信息、数据与数据处理 1.2 数据库技术的产生、发展与研究领域 1.3 数据库系统的组成和结构 1.4 数据库管理系统（DBMS） 1.5 数据模型

讨论了基于体视化技术的矿床数据库管理信息系统的设计思想及实现技术.该系统是一个集图形数据管理、属性数据管理和空间数据分析为一体的管理信息系统.它利用八叉树数据结构实现了数据的压缩存储;结合了传统的MIS技术和GIS技术,实现了图形和数据的有机结合

9.1 社交媒体大数据应用背景分析 9.2 社交媒体大数据行为模式识别的热点研究方向 9.3 社交媒体大数据应用创新：以跨域行为模式识别为例 9.4 社交媒体大数据跨域行为模式识别的技术体系 9.5 社交媒体行为大数据应用创新的案例分析 9.6 本章小结

8.1 教育大数据应用创新的社会背景 8.2 支撑教育大数据应用创新的云端技术 8.3 教育大数据应用创新的赋能方向 8.4 教育大数据的技术应用的创新思维 8.5 实例：基于知识图谱的教育大数据隐性知识发现 8.6 本章小结

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断

1. 云数据管理技术简介 2. 非关系型数据库与关系型数据库对比 3. Google云数据库技术（分布式存储Megastore） 4. Amazon云数据库技术（分布式存储Dynamo） 5. AWS云数据库（RDS,SimpleDB,DynamoDB） 6. 研讨（MD-HBase与Dremel）

1.1 大数据时代 1.2 大数据概念 1.3 大数据的影响 1.4 大数据关键技术 1.5 大数据计算模式 1.6 代表性大数据技术