基于重叠区域的高性能近似kD树算法

kD树是近邻搜索中应用最广泛的算法之一,针对其性能随着空间维度的增加而迅速降低的问题,提出一种可应用到高维空间的kD树搜索算法——okD树.在该okD树的创建过程中,左右子结点之间保留重叠区域,重叠区域不参与后续的划分而是直接传递到子结点;在搜索过程中,对于存在重叠区域的子结点不进行回溯,以提高okD树的搜索效率,不进行回溯的子结点中包含的重叠区域扩大了搜索范围,从而提高了搜索精度.实验结果表明okD树算法的性能优于当前主流的近似kD树算法.     

基于图模型的道路检测方法

为解决城市环境低速移动机器人的道路检测问题,提出一种基于图模型的道路检测方法.首先,将道路图像划分为子图,计算子图特征向量,生成图模型结点集.然后,提出相近半径概念,计算相近结点边权值,生成图模型边集.在此基础上,采用基于最小生成树的结点合并规则对图模型结点进行合并,实现道路图像分割.最后,通过设置取样窗口,提取道路结点,分割出道路区域.通过实验分析道路检测精度与子图尺寸及阈值参数间的关系,研究采用灰度特征进行道路检测的可行性.实验结果表明,该方法能有效检测出不同类型道路图像中的道路区域,适用于道路检测.     

改进的基于知识点均衡的智能组卷方案

针对当前在线考试基于知识点智能组卷的需求,分析了现有的基于知识点组卷方案存在的问题与不足,提出了一种改进的基于知识点均衡的智能组卷方案。首先介绍了知识树的建构方法,然后对试题库结构进行了研究与设计,进而具体论述了知识点均衡策略,最后对算法的实现作了整体阐述。     

智能教学中的知识模型与教学评价的研究

目前,基于Web的智能教学系统是计算机应用于教育领域的研究方向之一.本文从知识点及其关系出发构建一个知识网络模型,并基于该模型介绍如何进行领域知识表示及考核试题设置,然后设计了试题难度系数的动态更新方法,还提出一种简捷的知识诊断方法,准确地将学生学习缺陷定位到具体的知识点,得出学习路径方面的建议,从而增强了教学的针对性.     

基于知识点的试题库组卷算法的建立

试题组卷算法的优劣直接影响到试题库的性能。本文在分析基于知识点的试题库结构的基础上,阐述以知识点、难度系数和题型为主要控制参数的组卷算法的建立与实现方法。     

基于知识点的试题库组卷算法的建立

试题组卷算法的优劣直接影响到试题库的性能。本文在分析基于知识点的试题库结构的基础上,阐述以知识点、难度系数和题型为主要控制参数的组卷算法的建立与实现方法。     

远程教育中在线测试的试题库系统的设计与实现

提出了在远程教育中基于XML的在线测试的试题库系统的一种实现方法。对该系统进行了需求分析,系统结构分析与系统设计;然后着重对试题指标体系、试题组卷原则作了重点讨论,利用XML技术、ASP．NET技术和ADO．NET数据访问技术,初步完成了远程教育中在线测试的试题库系统的设计。     

概率XML文件树结点概率的查询算法

概率XML文件是概率数据的网络数据交换和表示标准,元素取值及其概率的查询与计算是概率XML文件的重要研究内容.概率XML文件树是一种有效的概率XML文件的数据模型,定义了概率XML文件树的基本路径和扩展路径,提出了根据可能世界原理将概率XML文件树分解为普通子XML树的集合的算法,根据路径分析原理将概率XML文件树分解为子概率XML树的集合的算法和相应的查询与计算结点及结点集合概率的算法,并通过实验进行了比较分析.实验结果表明:这两种方法是有效的;与前一种方法比较,后一种方法适合较大的概率XML文件树、结点及结点集合的概率的查询,计算过程较简单.     

基于完全有限前缀展开的行为等价过程树生成算法

过程树能够兼具过程模型的行为和结构，对简化模型结构的复杂度方面具有重要意义.现有过程树转化仅能将基于块结构的简单过程模型转化为过程树，但是无法将具有复杂结构的过程模型转化过程树.为此，提出了一种基于完全有限前缀展开的行为等价过程树生成算法，用于将与过程树行为等价的过程模型转化为行为等价过程树.该方法首先利用完全有限前缀展开技术分析过程模型，抽取模型的活动关系;其次通过分析活动关系，进而对模型进行重构.最终通过活动关系判断和模型重构的不断迭代操作，构建行为等价过程树.在实验部分通过在测试模型上的实验，验证了该算法在行为等价过程树生成方面的正确性和可行性.     

基于XML的试题库模型与实现

由于试题的多样性的类型及半结构性的内容,实现试题规范的数据结构较为困难,造成现有的试题库系统的试题类型较少和内容格式单一.使用XML元数据表示试题的内容,可有效解决上述问题,论文提出一种基于XML的试题库模型,建立具有较高查询效率的试题库组织结构,在系统原型实现上,利用关系数据库的查询性能和XML技术的表现能力,较好地解决了试题库系统对试题类型多样性和查询效率的支持.