前言：中文期刊网精心挑选了出差计划范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
出差计划范文1
驿路梨花中有三处插叙，驿路梨花作者彭荆风，文章选自1977年11月27日《光明日报》，文体为小说。文章共37个自然段，称呼为第一人称。从整体上看是按“我们”的所见所闻的时间顺序组织材料的。现本文选入人教版七年级下册语文义务教育科书第四单元第14课。
这篇文章，从整体上看是按“我们”的所见所闻的时间顺序组织材料的，记叙方法为顺叙，在顺叙过程中又有插叙，如果按小茅屋的产生及迁延过程看，又是溯源的倒叙，恰似倒卷珠帘。在情节的安排上，作者巧妙地设置三次悬念和两次误会，使情节富有戏剧性。整篇文章，短短的篇幅，却形成了峰回路转，跌宕起伏之势，读来很有味道。
（来源：文章屋网 ）
出差计划范文2
关键词：计算机 基础课程 差异化
中图分类号：G632 文献标识码：A 文章编号：1674-2117（2014）10-0019-01
1 根据学生差异进行剖析分类，实施差异化教学
随着计算机的普及以及信息技术教育的地域差别，学生的计算机基础参差不齐，大致可把学生分为以下几种：①计算机操作基础较好的学生。这类学生以前在学校学习过信息技术课，对文字处理、电子表格、演示文稿及计算机网络都有浅显了解。②沉迷于上网的学生。这类学生大都把计算机当做娱乐工具来使用，上网、玩游戏、聊天等，对计算机基础知识几乎不了解。③没有基础的学生。在进入职业院校学习之前偶尔使用过计算机，但对计算机基础知识没有了解。所以，计算机教师的教学方式需要做出相应的调整，面对不同层次的学生，实施差异化教学。
差异化教学要综合用多种教学方法，照顾到不同层次的学生。
1.1 分组学习法
通过与学习委员多次沟通，尽量科学地对学生进行分组。不同类型的学生按比例搭配，将学生分成多个小组，大约10人一组，根据学生人数可以适当添加减少。各小组均设立组长。课前组长负责把教师指定的任务，按照分工通知每位组员。每位组员负责一部分，组长负责分析知识体系、知识间的内在联系、重难点，根据学习内容，有侧重地让组员去解决可能遇到的问题，最后启发大家发散思维，做出不同于上课项目效果的任务来。
这样，同一小组的学生在一起学习。小组间也可以根据教学内容的需要举办各种竞赛，对表现优秀的小组进行表扬，并且在期末成绩中适当体现。这样能加强学生间的沟通，培养学生的团队合作能力，又可以使学生具备竞争意识，为走上社会做好心理准备。
1.2 项目教学法
在学习每个模块之前，教师可先给学生明确提出一个项目任务。学生带着明确目的上课，比一味地讲课达到的学习效果要好。学完该模块的内容后，学生们能够独立完成之前教师提出的项目，这样，学生感到学有所成、学有所用，学习的积极主动性要高得多。
以计算机文化基础模块二Word软件的学习为例。项目的任务是求职简历的制作，先展示事先做好的求职简历，让学生先看到教师制作的漂亮文档，可以引起学生的求知欲。创设这个实用的项目任务可以激发学生的学习热情，也使他们明确了学习的目标，从而触发将要学习的一系列问题：这个文件是用什么软件制作的？如何插入图片？图片和文字如何排版？页眉页脚如何设置？然后教师在课堂上对知识点进行具体的讲解，随后小组间相互学习和讨论，体现了教师引导、以学生为主体的教学思想。讲解完所有的知识点后，教师梳理所有的知识点，使学生理清知识的脉络，巩固教学效果。
实验课上，教师时刻关注学生的练习进度，整体把握学生的操作情况，及时给予学生帮助，解决出现的问题。最后以小组为单位进行验收，并对大家的表现进行点评。
1.3 个别演示法
有的学生基础差，在课堂教学和小组学习中跟不上，这时教师要采用个别演示法。个别演示法并不是要教师直接告诉学生应该怎么样，而是要尽量引导学生自己做。例如，有的学生基础较好，实践动手操作能力较强，课堂上和实验课上不爱听讲，贪玩，经常开小差。教师可以多给这部分学生提供展示的机会和空间。让这些学生充当“教师”，进行示范讲解和辅导初学者。这些学生有了荣誉感后，就会严格要求自己仔细认真地学习，心甘情愿成为教师的好帮手，这样教师和学习成绩好的学生同时进行巡视辅导，互帮互学、互教互学，从而提高学生学习计算机文化基础的整体水平。
2 课程设计理念和思路
计算机技术发展日新月异，教师要不断学习，扩大自己的视野，及时更新教学内容。不断丰富与课程配套的教学资源，如教学课件、操作试题库的建设，保证教学内容与计算机发展的水平基本同步。
深入调研不同专业对学生计算机能力的要求，针对不同专业的学生设置不同的课程内容、教学进度。通过大量的社会调查，本课程要以工作过程为导向，归纳整理出与实际联系紧密的项目和基本知识点，使学生在完成项目的过程中掌握基本的操作。依据任务驱动、理论联系实践、能力培养的原则，以提高学生整体素质为基础，以培养学生计算机综合使用能力、特别是创新能力和实际操作能力为主线，在基础知识的选择上以应用为目的，以必需、够用、实用为度，服从培养能力的需要，突出针对性和实用性，实现理论、操作、实训并重，基础、技巧和经验并重，达到学以致用的目的。
本课程要打破原来以知识传授为主要特征的教学模式，以计算机使用过程中的真实工作任务及其工作过程为依据整合、序化教学内容，科学设计学习性工作项目，教、学、做结合，理论与实践一体化。采用任务驱动、项目导向等教学模式，灵活运用案例分析、分组讨论、启发引导、实战体验等教学方法，做到在做中学，在学中做，以求达到最好的教学效果，训练学生运用计算机处理实际问题的能力。教学效果评价采用知识考核与能力考核相结合，重点评价学生的学习态度、学习效果和职业能力。
3 考核方式多样化、过程化
出差计划范文3
关键词：路网；欧氏空间；群体；兴趣点；群体出行计划查询
中图分类号： TP392
0引言
随着移动通信技术（如3G和4G）的不断发展，人们对移动设备的依赖性日益增长，而这种依赖性又反过来促进了相关技术的发展。其中，地理信息技术的发展尤为引人注目。因为在制定出行规划的过程中，人们既需要了解可供选择的目的地的位置，也要了解前往被选中目的地的路径。目前，寻找可供选择的目的地，人们普遍采用空间关键词查询技术[1-4]。
在空间关键词查询中，给定查询位置（空间信息）和关键词（文本信息），要求找出包含给定查询关键词且满足空间查询条件的一个或多个对象。基于路网的群体出行计划（Group Trip Planning， GTP）查询作为空间关键词查询的其中一类变种，在现实生活中有着广泛的应用。考虑如下一个场景：在一个星期六的下午，有一群要好的朋友相约从各自所在的地方出发，计划一起吃个饭，然后看场电影或是去健身房。基于路网的群体出行计划查询的目标就是为这组用户找到这样的饭店和电影院（健身房），使得所有用户在路网上行进的总的距离之和（从各自的地方出发，经过饭店和电影院等兴趣点，最后返回各自的出发点）达到最短。
本文针对基于路网的群体出行计划问题，提出了两种查询算法：基于路网扩展的群体出行计划算法（Network ExpansionGroup Trip Planning， NEGTP）和基于欧氏距离约束的群体出行计划算法（Euclidean RestrictionGroup Trip Planning， ERGTP）。NEGTP使用路网延伸的方法来查找满足关键词要求的兴趣点（Point of Interest， PoI），而ERGTP则是通过构建信息检索R树（Information Retrieval Rtree， IR2tree）索引，利用组最近邻查询（Group Nearest Neighbor，GNN）的思想迭代地去寻找符合条件的PoI。本文在3个合成数据集和1个真实数据集上验证了算法的有效性和准确性。
1相关工作
随着基于地理位置的服务（Location Based Service，LBS）日益普及，越来越多的研究开始关注空间关键词查询这一领域。有效处理空间关键词查询的难点是如何根据数据特征和查询要求构建合适的索引结构。现有的针对空间关键词查询索引结构的研究大致可以分为两类：单一索引和混合索引。文献[5]先对PoI的位置信息构建了网格索引，然后通过关键词来筛选满足条件的PoI。文献[6]则是为每个关键词都构建一棵倒排线性四叉树。查找的时候先通过关键词来筛选满足条件的树，然后根据用户所在的位置在这棵树相应的分支上检索距离用户最近的PoI。文献[7]构建了IR2tree混合索引，在对PoI的位置信息用Rtree[8]索引的同时，用签名文件（Signature Files）[9]来保存文本信息存放到R树节点内，以此来提高查询的速度。文献[10]也提出了另一种混合索引结构倒排R树（Inverted Rtree，IRtree），IRtree和IR2tree的唯一区别在于IRtree是用倒排文件（Inverted Files）来存储文本信息。以上的工作都是针对单用户而言，文献[11]则考虑一组用户在欧氏空间中的组最近邻查询问题，并提出了多路查询（Multiple Query Method，MQM）、中心点查询（Single Point Method，SPM）和最小边界矩形查询（Minimum Bounding Method）三种算法。文献[12]把GNN查询扩展到道路网络（Road Network）上，提出了阈值（Threshold Algorithm，TA）和并发扩展（Concurrent Expansion，CE）两种算法。本文研究的群体出行计划查询问题与这类GNN查询问题有两点不同：1）GNN查询问题只返回距离该组用户最近的对象，而本文研究的问题需要返回多个对象使得这组用户总的出行距离达到最小；2）GNN查询问题没有考虑对象带有文本信息（关键词）的情况。文献[13]针对一组用户提出组最近邻组（Group Nearest Group，GNG）的查询问题，即从PoI的集合中找到一个子集，使得所有用户到达该子集的距离之和达到最小。文献[14]针对群体出行计划查询（GTP）问题，提出了一个迭代算法（Iterative Algorithm，IA）和一个层次算法（Hierarchical Algorithm，HA），但该文献所考虑的距离是欧氏距离，而在城市中，从一地点到另一地点显然无法走直线。
2基于路网的群体出行计划查询
由于本文是在路网上研究GTP查询问题，下面先给出路网一般的表示方式。
定义1路网本质上是一个有向图G=（V，E），其中V代表所有顶点的集合，E代表边的集合。任意vi∈V代表两条道路的交叉口或者是一条道路的终点；任意ek=（vi，vj）∈E代表一条从vi到vj的道路。为了便于理解，本文考虑的路网为无向图，这意味着如果从节点vi出发能够到达vj，那么从vj出发也可以到达vi，同时这两个方向上的距离相等。
一个GTP查询问题包含一组用户各自的地理位置坐标和一组共同的关键词（比如饭店、电影院等）。查询的目标是为每个关键词都找到一个PoI，使得所有用户从各自的位置出发，经过这些PoI，最后再返回到各自位置的总的距离最短。GTP查询问题的具体定义如下。
定义2给定一组用户的地理位置坐标集合L={l1，l2，…，ln}，所有的PoI集合O={o1，o2，…，om}（每一个oi是一个二元组的形式〈o.loc，o.info〉，o.loc代表PoI的经纬度坐标，o.info表示该PoI的文本信息）和用户给出的查询关键词集合W={w1，w2，…，wv}，GTP查询的目标是返回一个PoI集合{o1，o2，…，ov}，使得oi.infowi，并且累积距离函数f（L，o1，o2，…，ov）达到最小。函数f的具体计算如下：
f（L，o1，o2，…，ov）=∑ni=1dist（li，o1）+n∑v-1i=1dist（oi，oi+1）+∑ni=1dist（ov，li）（1）
其中dist（）表示两点之间的路网距离。
当然有时用户希望能够返回较多的结果，从而根据其他一些因素（比如一家店的评分或者人均消费等）来作出更好的规划。这就要求GTP查询能够返回距离最优的k个结果以供用户选择，这样的查询问题称之为k最优群体出行计划查询（k Group Trip Planning，kGTP），定义如下：
定义3给定一组用户的地理位置坐标集合L={l1，l2，…，ln}，所有的PoI集合O={o1，o2，…，om}，用户给出的关键词集合W={w1，w2，…，wv}，以及返回结果数目k。kGTP查询返回前k个累积距离函数最小的PoI集合{o11，o12，…，o1v}，{o21，o22，…，o2v}，…，{ok1，ok2，…，okv}。
3NEGTP方法
NEGTP方法的基本思想是为每个用户维护一个优先级队列，队列里存放该用户下一个将要访问的路网节点（路网节点根据距离各个用户位置的远近来排序），每个用户选择距离他最近的路网节点出队，然后扩展该节点相邻的节点入队。如此反复，直到队列为空或者满足条件的PoI已被找到。在现实的道路网络中，PoI的位置不一定正好位于某条边上，因此本文在实验中先通过预处理把每个PoI都映射到距离其最近的边上，然后对每条边都构建一个倒排文件来存储落在该边上的PoI。为了便于理解，下面从用户给出的关键词个数v出发分两种情况进行讨论（v=1和v>1）。
3.1用户给出一个关键词
当v=1，也即一组用户只给出一个关键词的时候，kGTP问题就退化成了一个组k近邻（k Group Nearest Neighbor，kGNN）问题，这样就可以借鉴文献[6]提出的TA算法。但是TA算法为所有的用户只维护一个优先级队列来保存要访问的路网节点，这样的后果是浪费大量的时间去扩展一些没有必要的节点；而且TA算法寻找的目标是最近的对象而不是带关键词属性的PoI。基于这些问题，本文提出一种改进的阈值算法 （k Adapted Threshold Algorithm，kATA）。算法的具体流程如下。
输入L，O，W={w1}，k；
输出PoI结果集合R。
步骤1为一组用户（假设有n个人）初始化n个优先级队列，定位每个用户的位置，获得其相邻的路网节点并将其加入相应的队列。
步骤2检查每个用户起始位置所在边的倒排文件是否含有满足关键词条件的PoI，如果有则计算所有用户到达该PoI的总的路网距离并更新结果集R。
步骤3对每个用户队列迭代地进行出队操作并把出队节点的未被访问过的相邻节点入队，同时检查新扩展的边上是否有满足条件的PoI，如果有则重复步骤2。
步骤4当出现某个用户的队列为空或者每个用户到达自己队列的头节点的距离之和大于Mindist[k]（Mindist[k]是当前结果集R中第k大的距离值）时，算法结束。
3.2用户给出多个关键词
当一组用户给出的关键词个数大于1时，算法处理kGTP问题的步骤就可以分为3步：
第1步利用上文给出的kATA算法先找出这组用户关于第一个关键词w1的k个总的距离最近的PoI。
第2步当处理完第一个关键词的时候，所有的用户都位于同一个地点（某个PoI），接下来这组用户的出行就可以看成是一个单用户出行计划查询（Trip Planning Query for A Single User，TPQASU）问题 [15-17]。可以利用文献[15]提出的渐近k邻居探测算法（k Progressive Neighbor Exploration，kPNE）对到达的第一个PoI附近的路网进行探测，直到找到余下的满足关键词集合{w2，w3，…，wv-1}并使得用户经过的距离达到最小的PoI集合。完成前两个阶段后，所有的用户都位于ov-1的位置。在找最后一个含有关键词wv的PoI时，考虑到用户之后会返回各自出发的位置，这又可以看作是一个kGNN问题。
第3步再做一步kATA，只不过这里的L变成{L∪ov-1}。
3.3算法分析
因为NEGTP算法为每个用户（假设共有n人）都维护一个优先级队列，最坏情况下所有的路网节点都被容纳到各自队列中。因此NEGTP算法总的空间复杂度为O（nV），其中V代表路网总的顶点数。kATA算法的主要时间开销是计算用户与PoI之间的距离，这里采用堆优化的Dijkstra算法，其时间复杂度为O（（V+E） log V）。整个kATA算法的时间复杂度为O（nm（V+E） log V），其中m表示总的PoI个数。kPNE算法的时间复杂度为O（（VE/Q） log V），其中Q代表关键词的个数。因此，NEGTP算法总的时间复杂度为O（（nmV+nmE+VE/Q） log V）。
对于v>1的情况，算法的局限性在于它的计算开销很大。为了得到距离最小的k组PoI集合，算法会遍历许多不必要（不可能成为最终结果）的兴趣点。
4ERGTP方法
针对NEGTP计算开销大的缺点，本文提出一种基于混合索引IR2tree和利用欧氏距离是路网距离的下界这一条件的方法ERGTP。这里之所以构建IR2tree而不是IRtree，是因为IR2tree在R树节点里保存的签名文件是一串二进制数，它比用倒排文件更省内存。同样，为了便于表述，本算法对用户给出的关键词个数v分v=1、v=2和v=3来讨论，最后再将v扩展至任意值。
4.1用户给出一个关键词
当v=1时，如上文所述，kGTP问题退化成一个kGNN问题。基于IR2tree索引，本文提出欧氏距离约束的组k近邻算法（k Group Euclidean Restriction，kGER）来获得距离这组用户最近的k个PoI。算法流程如下：
输入L，O，W={w1}，k；
输出PoI结果集R。
步骤1初始化一个优先级队列来保存IR2tree的根节点，设定变量best_k代表已找到的第k小的距离，初始为∞。
步骤2对队列进行出队操作，如果出队的节点是一个PoI，就检查它的签名文件是否和关键词匹配。如果匹配，计算所有用户到达该PoI所行进的总的路网距离并更新best_k和结果集R。反之，舍弃该PoI。
步骤3如果出队的节点是IR2tree的内节点，检查该节点的签名文件是否和关键词匹配。对于匹配的节点进行入队操作，不满足的则舍弃。
步骤4算法的终止条件是队列为空或者当计算这组用户到达某个节点的总的欧氏距离大于best_k（因为欧氏距离是路网距离的一个下界，如果计算到某个节点时整个欧氏距离之和大于best_k，那么实际的路网距离也就大于best_k，所以用户队列里剩余的路网节点就没有必要进行访问了）。
4.2用户给出两个关键词
当v=2，即用户给出两个关键词{w1，w2}时，这组用户先访问包含关键词w1的PoI，再访问包含w2的PoI。这里采用迭代的方法，利用上文给出的kGER算法先找出距离这组用户最近且包含w1的PoI，记为o1。然后对于集合{o1∪L} 再用kGER算法找到包含关键词w2的PoI，记为o2。如此迭代下去，直到找到k组总的出行距离最短的{o1，o2}这样的集合。算法具体流程如下：
输入L，O，W={w1，w2}，k；
输出PoI结果集R。
步骤1调用kGER算法找到距离这组用户距离最近且包含关键词w1的PoI，记为o1。对于{o1∪L}再调用kGER算法找到距离最近且包含关键词w2的PoI，记为o2。对于o1和o2，计算所有用户总的出行距离函数f，保存至结果队列R中。然后对{o1∪L}继续调用kGER算法找到距离第二近且包含关键词w2的PoI，记为o2′。对于o1和o2′，再次计算距离函数f并更新结果集R。如此循环，直到第k近的o2已被计算。
步骤2接下来考虑距离这组用户第2近且包含关键词w1的PoI，记为o1′，重复步骤1的操作。一直迭代地去找下一个最近的PoI，直到k组距离最小的{o1，o2}集合对已被找到或者满足以下条件：
diste（L，o1）>Mindist[k]（2）
其中：diste（L，o1）表示所有用户到达o1的总的欧氏距离，Mindist[k]代表当前结果集R中第k大的路网距离值。
4.3用户给出两个以上关键词
当用户给出3个关键词时，ERGTP的处理方法和v=2 时类似，只不过中间加了一步寻找最近邻（Nearest Neighbor，NN）的过程。因为当所有用户到达第一个PoI的时候，所有用户的地理位置是一样的。除去最后一个PoI，之后他们每次寻找下一个PoI的过程其实就是一个单用户最近邻查询（NN）问题。对于NN问题，同样可以使用kGER算法来求解，只不过这里距离的计算不再是针对一个Group，而是单个用户。
当v≥3时，假设v=n，整个GTP查询问题只需在处理v=2的基础上添加n-2步的NN查询即可。
为了进一步提高ERGTP算法的效率，本文提出以下两个剪枝的策略来加快查询的速度。
策略1对Mindist[k]设置一个比较紧的初始值来用于剪枝。具体做法如下：用kGER算法得到包含第一个关键词且距离这组用户最近的PoI，记为o1。之后的每一个oi都取oi-1的最近邻（2≤i≤v-1）。对于最后一个关键词，找出关于集合{ov-1∪L}的第k个最近邻的PoI，记为okv。通过设置Mindist[k]的初始值为f（L，o1，o2，…，okv），以此来提高算法查询的速度。
策略2当v=2时ERGTP算法的终止条件（diste（L，o1）>Mindist[k]）有点宽松，可以替代为n*diste（L，o1）>Mindist[k]。下面给出证明：假设共有两个用户，o是下一个包含第1个关键词且距离这组用户最近的PoI，那么对于包含第2个关键词的PoI（假设o′）来说，最好的情况是o=o′（即这两个点重合的时候，这组用户总的出行距离是最短的）。记最好情况下用户总的出行的距离为：
bestdist=2*（diste（o，l1）+diste（o，l2）） （3
一般情况下，用户出行的总的距离totaldist为：
totaldist=diste（o，l1）+diste（o，l2）+2*diste（o，o′）+diste（o′，l1）+diste（o′，l2）（4
根据三角不等式，totaldist≥bestdist，所以一旦bestdist>Mindist[k]，算法就可以提前终止了。
4.4算法分析
ERGTP算法的空间开销主要在其构建的空间索引IR2tree上，所以其空间复杂度为O（pm/（p-1））。其中p表示一个IR2tree内部节点所能容纳的子节点的数目，m表示总的PoI个数。生成的IR2tree总的节点数为pm/（p-1），所以在这棵树上查找包含用户给定关键词的PoI所需的时间就为log （pm/（p-1）），计算所有用户与该PoI距离的时间复杂度为O（n（V+E） log V），因此kGER算法的时间复杂度为Ologpp-1m+n（V+E） log V。一次NN查询算法的时间复杂度为Ologpp-1m+（V+E） log V，因此ERGTP算法总的时间复杂度是On logpp-1m+n（V+E） log V。
5实验及分析
5.1实验环境
本文实验环境：中央处理器Intel Core i3 3.10GHz，内存3GB，32位Windows7操作系统，算法用Java编程实现。
5.2实验数据集和相关参数
本文分别在合成的（3个）和真实的（1个）数据集上验证了NEGTP和ERGTP这两个算法的有效性。合成数据集的具体生成方法如下：假设要生成V个顶点和E条边的路网，本文首先在整个经纬度坐标系中任取V个坐标作为路网节点，对于这些节点（坐标点），通过以下3种方式来构造路网的边：1）随机连接；2）服从均匀分布（每个顶点的入度和出度大致一样）；3）服从Zipf分布（又叫20/80原则，即20%的顶点构成了80%的边数）。本文实验主要考虑后两种分布对这两个查询算法的影响。真实的数据集D取自爱尔兰的首都都柏林，整个路网共有62975个顶点和82081条边，过滤掉一些频数很低的兴趣点之后，最后兴趣点的总的个数为5297。表1给出了实验所用的4个数据集的具体数值（其中A，B，C为3个合成数据集）。
本实验中设定一组用户给出的关键词个数不会超过4个。这是因为一组用户在一天之内不可能去得到很多地方，而且经过实际的调查研究，本文发现现实生活中一组用户在规划活动时平均会选择2～3个地方（兴趣点）。本实验主要通过比较查询所需的时间来衡量这两个算法的性能。
本实验需要考量的参数有：一组用户的规模，这组用户给出的关键词个数（v），需要返回给用户的结果数（k），数据集的大小和分布。除此之外，本文将这两个算法与文献[14]中的IA在真实的数据集D上进行性能比较。对于每一组实验，均取100次查询结果的平均值作为最后的结果。表2给出这些参数具体的取值范围和默认值。
5.3实验结果分析
5.3.1用户规模的影响
图1展示了NEGTP和ERGTP在不同用户规模下查询所消耗的时间对比。可以从中发现，两个算法查询所需的时间都随着用户数量的增多而变长。但是当用户数量达到一定的数目（≥128）时，ERGTP所需的时间就没有增长得很明显。这是因为随着用户数变多，ERGTP算法只增加一些到新用户的距离的计算，并不需要检索更多的PoI。从图1还可以发现ERGTP算法的平均查询时间要比NEGTP少一个数量级左右。
5.3.2关键词个数的影响
上文已经讨论过一般情况下一组用户给出的关键词个数不会超过4，所以本实验中对关键词个数的取值为1、2、3、4。图2描绘了关键词个数的改变对两个算法的影响。从图中可以发现，随着关键词个数的增加，这两个算法所需的查询时间也在增加。这是因为随着关键词的数目增多，这两个算法需要检索更多的PoI来达到关键词个数的要求。但总体上ERGTP方法仍然要比NEGTP速度快一个量级以上。
5.3.3返回个数（k）的影响
这组实验中，返回的结果数k的取值分别为2、4、8、16。由图3可知，随着用户需求的返回结果数的增加，这两个算法的查询时间都显著地增加。这是因为这两个算法都需要检索足够数量的候选PoI才能返回给用户更多的结果。可以看到当k很大（k=16）时，ERGTP算法的查询时间也只是在10s左右。
5.3.4数据集大小的影响
这组实验通过3个不同规模的合成数据集（服从均匀分布）来评估数据集大小对两个算法性能的影响。图4展示了两个算法在A、B、C三个数据集上的性能（横坐标代表边的数目）。从中可以发现，当数据量达到百万级别（50万个节点，100万条边）时，ERGTP查询只需要10s左右，属于人们可接受的时间范围，这说明ERGTP算法有良好的扩展性。
5.3.5数据集分布的影响
这组实验主要用来验证不同分布的数据集对这两个查询算法的影响。这里仍然构造相同规模的数据集A，B，C，不同的是它们都服从Zipf分布。图5给出了在数据集服从Zipf分布的情况下这两个算法平均的查询时间。对比图4，可以发现，不管是均匀分布还是Zipf分布，NEGTP和ERGTP查询的性能几乎没有受到影响。
5.3.6与IA的比较
在这组实验中，通过改变用户人数来评估NEGTP、ERGTP和IA这三个算法在真实数据集D上的性能。由图6可知，IA所消耗的时间是三者之中最少的（约为ERGTP的1/2，NEGTP的1/100）。这主要是因为IA中距离的度量标准是欧氏距离，一旦知道了用户和PoI的位置之后，IA能马上计算出这两点之间的直线距离。而NEGTP和ERGTP只能利用堆优化的Dijkstra算法来计算两点之间的最短路网距离。但是从它们返回PoI结果的准确性来看（如图7所示），可以发现NEGTP和ERGTP算法所得出的PoI结果集都是正确的，而IA的准确率只有15%左右。这也是因为IA用简单的直线距离代替了两点之间的实际距离，而欧氏空间中邻近的两点在现实的道路网络中往往不是距离最短的。
6结语
本文研究了基于路网的群体出行计划查询问题，提出了两种有效的查询处理方法NEGTP和ERGTP。NEGTP通过扩展用户所在的边来迭代地寻找满足关键词条件的兴趣点；ERGTP则通过建立R树索引和一些剪枝的策略来更快地寻找兴趣点。本文通过大量的实验验证了NEGTP和ERGTP这两个方法的有效性，同时ERGTP方法的查询时间总是比NEGTP要少一个量级左右。本文下一步将研究带限制条件的GTP查询问题：考虑一个群体中每个用户的权重是不一样的情形，抑或是兴趣点带有一个评分的属性（除了距离这一因素以外，需要返回给用户评分高的兴趣点）。
参考文献：
出差计划范文4
消化道出血是脑出血常见的并发症，是由颅脑疾患引起急性应激性溃疡所致，具有残废率、死亡率高的特点。我院2009年1月―2011年5月住院103例CT证实的脑出血患者中，并发消化道出血者16例，占15.5％，现将其观察及护理体会报告如下：
1 临床资料
本组男12例，女4例。年龄40―85岁，平均62.5岁，50―69岁13例，占81％，有高血压病史11例，冠心病4例，糖尿病1例。既往无胃、十二指肠溃疡史。
1.1 消化道出血症状 呕吐咖啡样物者10例，便血者3例，胃管内抽出咖啡物者3例。
1.2 临床表现 有意识障碍者、双侧椎体束征、瞳孔散大或缩小、去脑强直、呼吸不规则，其他合并症多见，包括肺炎，心功能不全，泌尿系感染，血糖升高等。
2 观察要点
2.1 注意消化道出血先兆 呃逆是消化道出血的一种信号，频繁呃逆预示消化道将出血。
2.2 呕吐物的观察 脑出血患者由于颅内压升高多伴有呕吐，应注意观察呕吐物性质，如出现咖啡样呕吐物，应警惕由于应激性溃疡而引起的上消化道出血。
2.3 对排便的观察 观察并记录排便次数、颜色性质、气味和量。
2.4 意识的改变 患者的意识状态是判断病情变化的重要指征，观察患者是否神志清醒、嗜睡、朦胧、昏睡及昏迷，以估计患者的病情及愈后，以便及早抢救，防止意外。
3 护理要点
3.1 降低颅内压 抬高床头10―15℃，头部置冰袋，双足置温水袋。脑出血患者常有颅内压增高，因静脉回流受阻，脑血管阴力增加，脑血流减少，常引起脑水肿，有形成脑疝的可能。采取头高脚底的，有助于降低颅内压，使头部静脉回流得到改善。
3.2 早期放置胃管以减少出血 与消化道出血的早期放置胃管，通过胃管观察胃液颜色及出血量并监测胃液PH值。将胃液PH值增高到3.5以上，有预防消化道应激性溃疡出血的作用。同时可通过胃管注入冰盐水及血管收缩药物，如去甲肾上腺素8mg放入5―10％葡萄糖液100ml中，可使胃粘膜血管收缩，血流量减少，以减少出血。
3.3 保持呼吸道畅通 脑出血并消化道出血患者多伴又昏迷，头部位置不当，常引起窒息。患者应取侧位，头偏向一侧，经常拍背，使呼吸道分泌物引流通畅。如发现呕吐物或痰液阻塞呼吸道，要及时用吸引器清除或用大注射器抽吸。对浅昏迷患者吸痰时，注意不要引起呕吐，并注意防止舌后坠，影响呼吸。深昏迷患者咳嗽反射消失或呼吸暂停者均应立即行气管插管，必要时行气管切开和人工呼吸机，速率16―20次/分，并调整容量，使动脉PaO2>10.00kPa, PaCO2在4―4.66 kPa。
出差计划范文5
【关键词】 急性上消化道出血；观察；护理
上消化道大出血是临床上常见的急危重症之一，以发病突然、发展迅速、病死率高为特点［1］。尤其是上消化道大出血，主要表现为呕血、便血和不同程度的周围循环衰竭，如处理不当可危及生命［2］。临床在对上消化道出血的抢救治疗和康复的过程中，护理工作直接关系到抢救是否成功和患者脱离危险后是否能够顺利恢复健康。近年来，我院消化内科救治269例急性上消化道出血患者，从中取得了一些经验，现将急救护理体会总结分析如下。
1 临床资料
本院消化内科2008年1月至2010年12月抢救护理急性上消化道出血患者269例，其中男207例，女62例，男女比例约为3.4∶1，年龄18～82岁，中位年龄56.5岁。以黑便为首发症状148例，呕血90例，呕血伴黑便31例。入院时呈休克状态98例。入院时血红蛋白≤60 g/L 97例，60～90 g/L 131例，≥90 g/L 41例。出血原因：胃溃疡出血78例，十二指肠溃疡出血61例，胃癌出血32例，急性胃黏膜损害出血23例，食管胃底静脉曲张69例，胃手术后吻合口出血6例。临床转归：经过治疗护理，治愈215例，好转23例，自动出院4例，转外科手术15例，病情恶化及死亡12例。
2 临床观察
2.1 前驱症状 出血前多数患者有腹痛，伴有头晕、目眩、心悸、胸闷或恶心等症状［3］。
2.2 严密观察生命体征 对血压的观察：消化道大出血可导致休克，失血性休克的主要原因是血容量不足，表现为血压下降和脉压差缩小；对脉搏的观察：脉搏的改变是观察休克的主要标志，休克早期脉搏加速，休克晚期脉搏细而慢；对体温的观察：失血者体温多低于正常或不升。一般休克纠正后可有低热或中度热，一般≤38.5℃，常持续3～5 d，原因系出血后分解产物吸收，血容量减少，体温调节中枢失调而引起发热，若体温≥38.5℃，应考虑出血后诱发感染，如体温持续不退或退热后又不升则应考虑再出血。
2.3 观察呕血、便血性质和量 呕血和黑便是上消化道出血的特征性表现。密切观察其发生时间、次数、量、颜色及性状。引起呕血，提示胃内出血量达250～300 ml或以上；解黑便，提示出血量在50～70 ml甚至更多；大便潜血试验阳性，提示出血量5 ml以上；如出现柏油便提示出血量为500～1000 ml。
2.4 观察尿量 尿量是反映肾脏灌注情况的重要指标，尿量减少是低血容量性休克的最早征象，准确记录出入量，保持尿量>30 ml/h。
2.5 观察神志、四肢情况 观察意识、皮肤和甲床色泽，肢体温暖或湿冷、周围静脉充盈情况。出血量在5％以下无明显症状；出血量在5％以上可出现眩晕、眼花、口渴；出血量在20％以上可出现烦躁不安、表情淡漠、四肢厥冷等休克症状。
2.6 观察有无再出血迹象 上消化道出血患者病情经常反复，出血控制后仍应观察有无再出血，如患者反复呕血、黑便，颜色由黯黑变为暗红，甚至呕吐物转为鲜红色，血压、脉搏不稳定皆提示再出血。
3 护理体会
3.1 及时补充血容量 迅速建立两条静脉通道，尽快用9号针头进行输液。及时补充血容量，一般用生理盐水、林格氏液加乳酸钠，低分子右旋糖酐或其他血浆代用品；同时做好血交叉试验，准备输血，输血量及速度可依据出血的程度而定。如进行加压输血时，应密切守护，严防输血终了，空气随之进入血管造成栓塞［4］。抢救治疗开始滴速要快，但也要避免因过多、过快输液、输血引起肺水肿或诱发再出血，从而加重病情。
3.2 心理护理 心理护理是指在护理全过程中，由护士通过各种方式和途径积极影响患者的心理状态，以达到其自身的最佳身心状态，其必要条件是护士要与患者建立良好的互相信任的治疗性人际关系，并对存在的心理问题有较深的了解和准确的评估［5］。患者对疾病缺乏正确认识的前提下，易产生紧张恐惧的情绪而加重出血，尤其反复出血者因反复住院给家庭带来沉重的经济负担，感到前途暗淡，消极悲观，对治疗失去信心。因此做好有效的心理护理尤为重要。医护人员从容的态度，亲切的语言，认真的答疑，果断的决策，沉着、冷静、熟练的操作，可给患者以安全感。解除患者精神紧张及恐惧心理。有益于良好护患关系的建立和进一步治疗的配合。
3.3 加强基础护理 严密观察病情变化，定时测量血压、呼吸、脉搏。注意观察患者神志、面色、指甲、结膜是否苍白或发绀；皮肤颜色及温度变化，注意保暖，防止着凉或过热；注意表情是否淡漠、嗜睡；观察动作语言有无异常；有无头昏、恶心、心慌，口唇有无紫绀；观察呕吐物的颜色和量；观察大便的颜色和形状，严密观察尿量，严格记录24 h出入量。护理：将患者安置在安静的病室内，保持呼吸道畅通，取半卧位或去枕平卧位，并将下肢抬高，如有休克，头和脚稍高，下肢以抬高30°为宜，以防脑部缺血；当剧烈呕血伴神志恍惚时，将患者头偏向一侧，迅速吸净患者口咽部及气管内血液和痰液，避免吸入气管而窒息。保持床铺整洁，帮助患者经常变换，勤翻身，随着病情的好转，逐渐增加活动量；饮食护理：呕血或明显出血时，必须禁食，24 h后如不继续出血，遵医嘱可给少量温热流质易消化的饮食，病情稳定后，指导患者要定时定量，少食多餐，避免进食粗糙、生冷、辛辣等刺激性食物，同时要禁烟、酒、浓茶及咖啡。
3.4 预防感染的护理 上消化道出血患者因失血过多，大量蛋白丢失，机体免疫力降低。容易发生各种感染，感染后易导致再次出血，加重病情，诱发肝功能衰竭。因此必须认真做好每一环节的护理，以免减少感染机会，将患者安置单人房间，室内保持空气新鲜，温度保持在22～24℃，相对湿度50～60％，用消毒液擦床头和洒地面，每天拖擦地面2～3次，并减少陪人，防止交叉感染。做好皮肤护理，保持皮肤清洁及床铺平整清洁、干燥，被服随时更换，无皱褶，呕血、便后及时清洁用物。排便次数多时，便后用温水擦洗，注意保暖，防止着凉，同时加强口腔护理，2次/d，随时清除口腔残留的血迹，减少口腔中的血腥味，以免血腥味刺激引起呕吐反射而再次出血，同时能增加患者舒适感，因患者长时间卧床也容易发生坠积性肺炎。应每2 h翻身1次，扣背1次，必要时可给雾化吸入。
3.5 用药护理 严格遵医嘱用药，熟练掌握所用药物的药理作用、注意事项及不良反应，特别是特殊药物，如滴注施他宁、垂体后叶素等止血时速度不宜过快，以免引起腹痛、心律失常和诱发心肌梗死等。肝病患者禁用吗啡、巴比妥类药物，宜输新鲜血，因库存血含氨量高，易诱发肝性脑病，准备好急救用品、药物及三腔二囊管等［6］。
3.6 三腔二囊管压迫止血的护理 插管前先做好充气试验，气囊充盈后应膨胀均匀，弹性良好，无漏气，并在各管终端做标记，同时做好患者思想工作，插管过程中必须经常观察患者面色、神志。插管后要保持胃气囊压力50～70 mm Hg，食管气囊压力为35～45 mm Hg，密切观察引流液的颜色和量，置管24 h后宜放出气囊气体，以免压迫过久可能导致黏膜坏死［7］。放气观察一段时间后可根据是否出血再次充气牵引，若出血停止24～36 h后在患者口服石蜡油15～20 ml后拔管。在进行三腔管压迫期间，要加强基础护理，咽部分泌物要及时吸尽，防止堵塞气道，吸入肺内引起感染。鼻唇沟处垫少量脱脂棉，避免管壁直接接触皮肤。鉴于近年药物治疗和内镜治疗的进步，目前已不推荐气囊压迫作为首选止血措施［8］。
3.7 健康指导 向家属宣教一些本病的常识，使之对治疗过程有一定的了解，取得家属配合，并协助医生解决一些实际问题；教会患者及家属识别早期出血征象及应急措施，出现呕血或黑便时应卧床休息，保持安静，减少身体活动；帮助掌握有关病证的病因、预防、治疗知识。生活要有规律，食易消化食物，不要食用刺激性食物，忌暴饮、暴食，注意劳逸结合，避免过度紧张，保持良好精神状态，以减少再度出血的危险，保持良好的心态和乐观精神，正确对待疾病，合理安排生活，增强体质，在医生指导下用药，勿自用处方，慎重服用某些药物。
总之，上消化道出血起病急、来势凶险、变化快，易造成失血性休克和循环衰竭而危及生命，如能及时进行有效的止血治疗及认真细致的护理，可使患者转危为安，提高治愈率，大大降低病死率，从而达到康复的目的。
参 考 文 献
［1］ 夏慧娟.急性上消化道出血的护理体会.现代中西医结合杂志,2007,16(31)：4693,4694.
［2］ 尤黎明,吴瑛.内科护理学.第4版.北京:人民卫生出版社,2006:252.
［3］ 熊彩娟,张彩英,黄秋燕.急性上消化道出血病人的观察与护理.全科护理, 2010,8(4):1046,1048.
［4］ 李素霞.上消化道出血的西医进展.护理研究,2002,16(8):450.
［5］ 王志红,周兰妹.重症护理学.北京:人民军医出版社,2003:171,175.
［6］ 李银平.肝硬化上消化道出血患者的护理要求.护理研究,2007,21(12 c):3319,3320.
出差计划范文6
关键词：高等职业教育；网络化；差异化教学；项目化教学
中图分类号：G712 文献标志码：A 文章编号：1673-8454（2017）13-0034-03
随着我国现代职业教育体系的不断完善，高职院校的生源也呈现出多样化的特点。多层次的生源构成也使学生间的知识基础及素质呈现出较大的差异，因此造成了高职生源差异性与培养目标统一性之间的矛盾。目前，国内很多高职院校都针对上述矛盾进行了探索与尝试，其中应用较多的方式是“分层式教学”，也相应取得了一些成果和经验。但是“分层式教学”模式中存在两个主要问题：其一，层次的划分标准、层次之间的度量该如何把握，并没有科学的标准，仍主要依靠教师的经验。其二，对不同层次的学生进行教学，学生的心理落差应该怎样弥补，如果没有适当的干预措施反而会引起学生对分层教学的抵触。为此，本文试图以网络平台为基础，利用网络化教学资源，对高职学生的差异化教学实施过程和方法进行探讨，为实现岗位职业技能的教学目标进行有益的尝试。
一、差异化高职教学的概念
岗位职业能力的要求是职业教育最为明确的教学目标。因此实施差异化高职教学的基本目标是指，在对不同特征的学习者设定较为同一预期结果的前提下，教师针对不同个体实施具有不同目标的教学活动，但并不是完全迥异的教学活动，而是指在教学的实施过程中在某些维度上存在着相对的差异。其中，高职差异化教学过程就是建立起不同学习者与同一化的教学目标之间不同途径的多维度映射过程。（见图1）
高职学生间的差距是客观存在的，实施差异化的教学过程可以促进学生知识的同一性形成。为此，国内外的学者提出了两种不同的定义：华国栋等以学生为出发点，认为“差异化教学”是在以班级为基础的集体教学中，再来满足学生的个性差异和个别学习的需要，从而促进每个学生在原有基础上得到充分发展的教W。而汤姆・林森等则以教师为出发点，认为教师需要根据学生的准备水平、学习兴趣和学习要求来主动设计和实施多种形式的教学内容、教学过程与教学资源。
随着网络技术的快速发展，各种形式的教学资源不断丰富，已经基本具备为不同学习者提供个性化学习过程的基础。加之，高职学生在基础知识上的差距较大，会使同一性教学（课堂教学）过程在实施之后难以达成预期的教学目标。因而，在高职教育中实施差异化教学十分必要，寻找适合高职生最优发展的差异化教学模式，是目前高职院校教学急需解决的问题。
二、网络化教学在实施差异式高职教学中的优势
对于差异化教学的实施过程，网络化的教学方法有着其他方法无法比拟的优势，使差异化教学的实施手段更丰富，实施过程也更契合个性化学习的要求。其优势主要体现在以下三个方面。
1.网络化教学灵活的组织性
网络化教学具有空间、时间上的灵活性。网络化教学不需要将师生固定在特定的空间范围内，只要有网络和终端就可以组织学习者进行学习。在时间上，课程可以通过多媒体及云存储等技术网络化，课件和其他教学资料也可以通过共享的形式进行分发，无需学习者的时间统一，并且能够为学习者提供将学习过程提前或延后的支持。
2.网络化教学较高的互动性
相较传统的课堂教学模式，实施于网络平台教学的教学过程有较大的互动性优势。传统的高职教学中教师往往处于绝对主导地位，师生之间的交流多限于口头的表达上。但在网络化教学平台上教师和学生之间完全处于平等的地位，可以通过文字或音、视频等进行多种形式的分享与沟通。师生之间还可以通过P2P的方式进行私密性问题的交流，避免将隐私公之于众的尴尬。
3.网络化教学手段的丰富性
网络化教学过程必然是在多媒体技术支持下的教学过程，相较传统教学手段在对教学内容的表达上更丰富，对具体知识点的展示上也更具趣味性。同时随着移动应用技术的出现，使学生的多信息载体的学习方式得以实现，既可以通过计算机进行正常的课程学习，还可以通过智能手机随时随地获取与课程相关的知识，进行课程学习。
计算机网络是实施差异化高职教学不可或缺的平台和载体，通过网络平台可以提升学生对学习过程的主导性，以教学资源网络化的方式将学习过程前移，从而实现学生的学习过程先于教师的教学过程。学生在基础知识上的差距则通过前移化的差异学习得以缩小。
三、基于网络的差异化教学模式的构建
一般来说学习过程是由传授和内化两个子过程组成的，学习者是以一种在心动中反思的方式发现问题，从而形成假设并采取对策。差异化教学的根本是制定以学习者特征为基础的教学模型。其中，学习者特征包括对学习者产生影响的心理、生理、社会环境等各方面的因素，刘俊英等学者将高职教学中专业课程的教学目标分为基础目标、综合目标、拓展目标三种不同层面。为此，差异化高职教学模型要立足于高职学生的基础水平之间的差距，通过设立多种不同层次的教学目标，并以设计与其对应的不同教学方法来构建差异化的高职教学模型。
