主成分分析法在学生成绩分析中的应用

本文从大学四年成绩的真实数据入手,利用主成分分析法,建立了数学模型,然后给出各主成分的得分函数,并结合成绩进行分析,最后得出影响成绩的主要课程,并验证了学校实行的学分绩是合理的。该研究结果为今后的教学研究和管理提供了科学的依据。     

物联网工程专业中“软件语言课程”MOOC改革与实践

物联网工程专业人才培养需要学生具备使用软件工具开发与设计物联网系统的能力。为了提高物联网工程专业学生熟练使用软件语言开发工具,解决复杂工程中软件问题的能力,采用基于MOOC、任务驱动课程预习、按需翻转、阶梯式实践训练、多维管理成绩评定的软件语言课程教学改革,对两个行政班进行了试点对比实验。实验结果表明进行教学改革的班级在C#语言程序设计这门课程上成绩明显高于未教学改革的班级,学生对新的教学模式认可度高,同时提高了学生的自学、语言表达、团队合作、解决工程问题等能力。     

基于组件技术的城市公共交通地理信息系统的研究

针对城市公共交通系统中涉及到大量的基础数据,分析现有交通管理的不足,开发出一种针对道路交通管理部门的城市公共交通管理信息系统,该系统应用组件式GIS技术在VB6.0平台上对GeoMap二次开发而得到。可实现对数据进行实时修改,能大大提高管理数据的有效性和科学性,并且能挖掘现有数据中隐含的一些重要信息。     

基于B／S结构的通用学生管理系统的开发

本文叙述了通用学生成绩管理系统的整体设计思路。重点介绍了学生成绩管理系统的数据库设计、系统组成、功能设计、数据喜警计等。本系统主要功能有用户管理、学生注册、班级信息录入、学生信息录入、班级课程录入、学校专业信息录入、课程信息录入、学生成绩录入、数据统计等。     

面向多主体的大学课程成绩相关性可视探索与分析

深入分析学生成绩及其影响因素对于优化大学课程安排和提升教学质量具有重要意义.由于学生成绩数据涉及多个相互关联的分析主体,具有多元多属性和时序相关等特征,传统的分析工具和展示手段功能有限,难以有效探索影响课程成绩的多种关联因素,对异常现象也难以做出深入分析和解释.为此,文中根据成绩数据的特点设计了多视图协同交互的学生成绩可视分析系统——SPVAS.首先通过支持多维属性集成展示的矩阵热力图揭示学生成绩在年级和学期上的时序分布,其次为展示学生成绩中的多元统计特征以及相关联的课程和教师等主体特征,对平行坐标的交互展示能力进行扩充,最后为揭示课程成绩的影响因素以及课程间的相关性,设计弧长链接图与平行坐标和节点链接树相结合的创新布局,并应用多视图交叉筛选和动态关联等交互技术,实现从课程、学生和教师任意主体角度出发的交叉分析与连贯推理.为了验证原型系统的有效性和实用性,利用真实课程数据进行了案例研究,并邀请了相关的专业人员对本系统进行了试用与评价.     

高职计算机类专业文理科生源学习成绩对比分析

高职院校计算机类专业毕业生主要面向服务业,文理科兼招应是该专业的未来发展趋势。本文对顺德职业技术学院计算机类专业2007级学生在2007～2008学年的总成绩和各门课程的成绩,按文理科生源分别进行统计分析。统计结果显示,文科生源学生的总体学习成绩优于理科。本文对其原因进行了分析。     

基于同伴评价的物联网工程专业课程体系构建研究

针对物联网工程专业学科交叉需要理论知识体系架构结合工程实践能力的培养特点,以吉林大学物联网工程专业学生为研究对象,通过分析2017—2019年3学年的4门物联网工程专业课程成绩,介绍面向同伴评价教学的特征空间构建,提出同伴评价教学的方法,最后阐述如何创新性地利用机器学习模型对学生成绩进行分析和预测,以验证同伴评价专业课程体系建设的有效性。     

基于B/S结构的通用学生管理系统的开发

本文叙述了通用学生成绩管理系统的整体设计思路。重点介绍了学生成绩管理系统的数据库设计、系统组成、功能设计、数据库设计等。本系统主要功能有用户管理、学生注册、班级信息录入、学生信息录入、班级课程录入、学校专业信息录入、课程信息录入、学生成绩录入、数据统计等。     

高校课程相关性粗糙集分析模型及应用

将目前在数据挖掘领域应用广泛的粗糙集理论引入高校课程相关性分析中,提出了基于粗糙集的高校课程相关性分析模型。该模型首先运用粗糙集的相关性质对参与分析的决策数据进行属性约简,从而获得了较小决策数据集,然后应用基于分辨矩阵的关联规则提取算法提取关联规则,最后对规则进行评估与解释。通过对某高校某专业学生修读课程考试成绩数据进行实际应用分析,发现了课程成绩数据中隐藏的课程相关性规则,分析结果表明该模型在学分制体系下指导学生选课以及制定专业修读计划具有一定的辅助作用。     

软件工程专业认证的新思路研究

专业认证是规范高校管理的必由之路,但是一直以来,专业认证工作是一项繁琐辛苦的工作,工作量比较大。本文提出了一个专业认证的新思路,以渐进式方式逐门课程对照专业认证标准,逐步达到认证标准。本文以《软件项目管理》为例,参照中国工程教育认证标准,确定本课程与认证标准相关的条款,给出本课程对认证标准的满足程度,确定对认证标准的支持情况。其他课程以此为样本,最后完成认证评估报告中所有条款的支持条件。这样通过这一门课程的实践探索出软件工程专业的认证思路,可以提高专业认证效率。     

高速公路交通事故成因分析与关联因素研究

基于主成分分析原理研究了主成分分析在高速公路交通事故中的应用,根据数据分析结果,得出了影响交通安全的主要原因,进而采用关联规则挖掘方法挖掘出导致事故原因的条件因素,从而提出相应的预防措施,以达到降低高速公路交通事故发生的目的。     

基于改进BP神经网络的道路交通事故预测

道路交通事故因受多种随机因素的影响而呈现出非线性的特点,传统的线性分析方法无法完全揭示其内涵。在分析道路交通事故与人、车、路等因素关系的基础上,利用神经网络具有描述非线性特性的能力,将影响交通事故的多种因素综合起来建立了基于改进BP神经网络的道路交通事故预测模型。选取人口密度、路网密度和机动车辆密度作为交通事故预测模型的输入神经元,采用道路交通综合死亡率作为道路交通事故的输出评价指标,对道路交通事故进行预测。实验结果表明,该预测模型能很好地适用于道路交通事故预测,验证了该模型的可行性和有效性。     

高速公路智能公安交通管理系统模型设计

高速公路智能交通管理系统的研究与建立可以有效地整合现有的各种公安交通管理信息资源与条件,优化道路交通管理的执勤于执法活动,提高执法效率,强化高速交管的监控力度,切实减少交通违章和交通事故的发生,保证高速公路交通安全、有序与畅通。本文根据高速公路运营管理需求进行系统的分析,在此基础上,给出了高速公路智能交通管理系统的结构、网络及分布式软件模型的设计以及系统的信息安全体系结构设计。     

城市交通事故的局部相关性可视分析方法

交通事故数据蕴含有交通事故规律,如交通事故与天气、时间、道路等因素的关 联规律,值得深入挖掘。虽然天气、时间、道路等因素对交通事故均有影响,但对不同区域交 通事故的影响不尽相同,即具有局部相关性。挖掘局部相关性能更好地揭示这些因素与交通事 故之间的相关性。为此提出一套分析挖掘交通事故数据中所蕴含的局部相关性的方法。首先基 于交通事故数据提取事故多发路段,每个事故多发路段包含有位置、时间以及相关的交通事故 信息;然后提出一套聚类支持的局部相关性可视分析方法分析事故多发路段：①以待分析因素 直方图(如天气直方图、时间直方图)刻画事故多发路段;②基于直方图相似性对事故多发路段 进行聚类分析;③在多关联视图支持的交互环境中进一步观察、分析聚类结果以挖掘待分析因 素与交通事故之间的局部相关性。通过分析安徽省合肥市 2015-2018 年交通事故接警数据,取 得了一些有意义的分析结果,验证了该方法的有效性。     

基于Seq2Seq自编码器模型的交通事故实时检测与评价

路侧检测设备可以精准获取交通流量和速度等实时数据,交管部门可以借此显著提升对交通异常状态的感知水平.通过分析交通状态和交通流数据特征,建立一套基于交通流序列数据的交通事故实时检测系统和预警流程.首先,在交通状态感知方面,所建立的Seq2Seq自编码模型引入Attention机制,实现对交通状态重要特征的捕捉;其次,在交通状态异常判定方面,利用Seq2Seq自编码器对输入的原始序列数据进行重构,对比原始数据可得到结构重构误差,根据设定的阈值实现交通预警等级的判定和交通事故的实时检测;最后,以上海市延安高架的流量和速度数据为基础,分别确定不同时空状态下的事故判定阈值,并通过混淆矩阵评价方法论证所提出交通事故实时检测模型的可行性.     

基于LSTM神经网络模型的交通事故预测

道路交通事故是道路交通安全水平的具体体现,为使预测数据更科学地为交通管理系统提供决策。提出建立基于LSTM（Long Short-Term Memory）神经网络的交通事故模型,训练交通事故相关的数据,对交通安全水平的指标进行预测。经过与传统回归模型和传统神经网络模型进行实验对比,实验显示LSTM拟合效果最佳,另外LSTM模型对同一趋势上的预测效果有明显优势。通过使用LSTM模型捕获数据中存在的时序依赖关系,能够更准确地对交通事故安全水平进行预测,使交通管理部门制定更加科学准确的决策。     

道路交通事故径向基神经网络预测模型研究

道路交通事故预测的目的是为交通管理部门提供未来交通安全的发展趋势。论文在进行交通事故统计的基础上,运用径向基神经网络理论,利用Matlab软件建立交通事故预测模型,对1990年至2006年的交通事故死亡人数和经济损失进行网络训练和外推预测。计算结果表明,该模型预测和外推精度高,可用于交通事故预测。     

一种面向交通管理的城市道路编码的方法

文中给出了一种基于软件工程理论的面向交通管理的城市道路编码方法，并从应用角度对城市道路编码中的几个主要组成要素，即编码对象、编码粒度、编码结构和编码属性进行了详细编码设计。从广州市智能交通管理指挥系统的实施效果来看，编码设计方案实用可行。     

基于路网结构的城市交通事故短期风险预测方法

城市交通事故一般都发生在公共道路上,然而现有的交通事故风险预测算法都通过对预测区域进行规则网格化来确定预测空间单位,导致预测精度不高且实用价值较低。本文将道路路段作为预测单位,采用图卷积和长短期记忆网络,构建了一种基于路网结构的城市交通事故短期风险预测方法(traffic accidents risk prediction based on road network,TARPBRN)。该方法能对指定路段短期内的交通事故风险进行预测,从而可以有针对性地进行治理,减少交通事故的发生。本文使用杭州市西湖区的交通事故数据对模型进行了训练,并与4种常用的计量经济学模型和3种已有的深度学习预测算法进行了对比。实验结果证明本文算法在准确度、正确率和漏报率等方面都优于已有算法。     

基于主元神经网络的非结构化道路跟踪

在概率的框架内,基于主元神经网络,提出了一种新的蒙特卡罗道路跟踪技术,用于自主陆地车辆在非结构化道路上的导航．使用直线道路模型表示道路边缘,并对其状态利用二阶自回归模型进行预测;在HSV彩色空间将颜色信息和局部空间特征相结合,利用主元神经网络提取主成分;根据道路边缘窗的统计特性,利用粒子滤波器进行道路状态的估计．实验结果表明,该方法能够鲁棒地进行非结构化道路跟踪．