基于知识点和改进随机抽取算法的智能组卷方案研究

组卷和试卷测评是在线测试系统的核心内容。文章提出了基于知识点和改进随机抽题算法的智能组卷方案,实现了快速组卷过程。该算法已经成功应用于实际在线测试系统中。     

在线组卷策略的研究与设计

为了解决在线培训考试系统中多目标约束下的组卷问题,对组卷过程建立了多目标约束的数学模型,采用了基于改进的遗传算法的智能组卷策略,通过模拟生物种群演化来完成对符合约束条件的试题筛选,同时提出了二次组卷分发策略来保证试卷中试题分布的随机性。实验结果表明,改进的遗传算法提高了算法的收敛性和搜索能力,相应的智能组卷策略提高了多目标约束下组卷的质量和效率,生成的试卷能够满足用户的需求,二次组卷分发策略保证了在线考试的公平性。     

基于粒子群算法的智能组卷系统研究与实现

依据企业人才培养的考核要求,对组卷环节进行研究和改善,建立起规范高效的智能组卷系统.组卷问题是一个在多约束条件共同作用下的优化问题,难以用传统的计算方法进行求解.引入粒子群优化算法,实现了问题的快速求解.实现了基于粒子群算法的组卷模型,测试结果表明,基于粒子群算法的自动组卷系统成功率高、耗时短,系统界面友好,满足用户需求,有效地提高了工作效率.     

改进遗传算法智能组卷的研究与应用

组卷问题是一个多目标的约束优化问题,是在线考试系统的重要组成部分。通过对智能组卷建立数学模型,提出了一种基于改进遗传算法来进行智能组卷的方法,实验结果表明,改进的算法在智能组卷的运行速度方面,具有较好的实用性。     

人工智能在自动组卷建模中应用研究

关于研究组卷的可信度和效度问题,组卷方法耗时长、效率低,组卷成功率低.为了提高自动组卷成功率,提出自动组卷算法,通过建立多约束目标优化模型,用蚁群算法自动组卷方法.首先按照试卷要求建立一个多约束的数学模型,然后用蚁群算法快速和智能搜索能力对数学模型进行求解,得到最优组卷方案.仿真结果表明,相对于传统组卷算法,提高了组卷效率,组卷成功率也相应提高,很好的满足当前网络在线考试系统的实时性较高组卷效率.     

在线智能组卷评测系统的设计与实现

在线智能组卷评测系统是基于B/S模式的网络系统,系统是一个面向学校教务管理人员、教师和学生而搭建的一个智能组卷、试卷评测、题库管理的平台。在对系统进行需求分析的基础上,对系统的功能模块、数据库以及系统实现等,进行了详细的论述。     

基于B/S模式的在线考试系统的设计与实现

针对传统考试中教师出题、组卷和阅卷等繁重的工作量和学生在考试中必须受时间,地点等诸多限制所带来的不便,本系统以Dreamweaver8.0和Access 2002为开发工具,采用ASP网络技术,开发基于B/S模式的“信号与线性系统”在线考试系统,实现了题库管理、智能组卷、学生在线考试和试卷分析等功能。文章介绍了在线考试系统的结构和功能以及数据库的规划设计,并对其关键技术进行了详细的介绍,包括系统的身份验证安全性、随机组卷算法、数据库备份等。     

基于B／S模式的在线考试系统的设计与实现

针对传统考试中教师出题、组卷和阅卷等繁重的工作量和学生在考试中必须受时间，地点等诸多限制所带来的不便，本系统以Dreamweaver8．0和Access2002为开发工具，采用ASP网络技术，开发基于B／S模式的“信号与线性系统”在线考试系统，实现了题库管理、智能组卷、学生在线考试和试卷分析等功能。文章介绍了在线考试系统的结构和功能以及数据库的规划设计，并对其关键技术进行了详细的介绍，包括系统的身份验证安全性、随机组卷算法、数据库备份等。     

基于遗传算法的学生在线竞赛系统研究

针对传统学生在线竞赛系统组卷效率低、系统性能差的问题,构建一个基于粒子群遗传算法的学生在线竞赛系统。基于此系统,在粒子群算法中融入遗传操作,提出一种基于粒子群遗传算法的智能组卷策略,改进交叉变异方式以加快算法收敛,减少组卷时间,提升在线竞赛系统的运行效率。实验结果表明,在智能组卷方面,本算法的组卷知识点覆盖率高达99.3%,比遗传算法和粒子群算法明显更高,更能满足用户需求。且在相同条件下,本算法的收敛速度更快、损耗时间更短,运行效率更高,系统整体性能显著提升,具有一定的可行性。     

改进遗传算法在组卷系统中的应用

本文将改进的遗传算法应用于组卷系统中,对智能组卷问题进行研究和分析,通过对编码、适应度函数、遗传算子、控制参数指标等方面来进行研究设计,运用改进遗传算法的全局寻优的优点,得出解决适合要求的实用算法.从而确保的试卷的覆盖范围和准确性提高组卷效率.     

自动组卷策略中遗传算法的优化

自动组卷技术是计算机网络化考试系统中一项必不可少的重要技术,自动组卷技术实现的关键是组卷算法的选择与实现,它将直接影响到组卷的质量。通过建立组卷算法的数学模型,结合遗传算法理论,给出了一种优化的遗传算法的自动组卷策略。     

基于RS485总线的存储器网络化技术研究

传统网络化测试技术存在网络化测试精准度低、不能对全部数据进行测试、数据属性测试不明确等问题,为此,基于RS485串行连接框图和存储器结构对网络化测试技术展开研究;采用信息融合技术中的信息融合算法得出测试估计误差方阵,完善传统技术中精准度低的问题;利用定义模型和动态模型有限内存的处理技术,对整个存储内存进行访问,从而对全部数据进行测试;采用分布式计算技术,利用二元制算法测试存储器中数据的质量,从而确定数据的属性;通过实验得出结论,文章的测试技术不但能够确定数据属性,还能提高网络化测试精准度,并对全部数据进行测试,为我国未来网络化测试技术奠定了坚实的基础。     

一种应用于混合格式VOD系统的QAM资源分配算法

在基于IPQAM的交互式视频点播系统中,QAM资源的分配是一项关键技术,直接决定了系统的性能.首先描述QAM资源分配问题,并建立了算法的基本模型.同时,给出算法的影响因子和性能指标.在此基础上提出一种新的资源分配算法.该算法将所有频点按照频点剩余带宽的大小分配到频点组中,在为业务请求选择频点时按照先选择频点组再选择频点的顺序搜索频点.仿真结果表明,该算法具有比Least、Most、Non-mixing和HD-threshold等算法更低的服务拒绝率,并在此基础上保证了一定的负载均衡性.     

一种级联过程神经网络动态预测模型及其应用

针对非线性动态系统分阶段指标预测问题,提出了一种基于级联过程神经元网络和相空间重构技术的动态预测模型和方法。考虑实际系统各个变量在运行过程中不同阶段可能具有不同的作用关系和信息变换机制,以及各阶段系统状态的连续性,采用若干过程神经元子网络构成级联结构建立系统动态预测模型;同时,为弥补实际采样数据的不足和提高数据信息的利用率,利用相空间重构理论构造训练样本集。给出了预测模型的信息处理机制和学习算法,以油田开发三次采油过程仿真为例,实验结果验证了模型和方法的有效性。     

计及可再生能源消纳的电热综合能源系统多目标优化模型

可再生能源因其清洁低碳的特点备受能源行业关注。但同时,可再生能源的不确定性也带来了严重的消纳问题。提高电力系统的灵活性去解决可再生能源的消纳问题成为当下研究热点之一。本文突破异质能源间的壁垒,基于电热综合能源系统去探索提高可再生能源的消纳能力。同时,立足于经济性与安全性指标,本文提出了一种多目标优化数学模型,并通过对偶转化和C CG算法对所提模型进行求解。最后,在算例测试中,通过对比电热综合能源系统与电力系统的各种测试指标证明了所提模型的有效性。     

基于ASP技术的网上自测试系统的设计

论述了基于ASP技术的网上自测试系统的设计方法。系统采用B／S模式,服务器端采用了ASP技术来完成动态页面的生成和数据库的访问,系统的后台数据库采用Microsoft Access。系统包括智能组卷、自动批卷、成绩发布等功能,详细介绍了一种智能组卷的算法,可根据测试者的要求提供一份内容及难度分布科学、合理的试卷。     

基于多核处理器的自相似测试流量生成技术

研究并实现一种自相似测试流量生成技术,比较多种典型自相似流量分析模型,利用多分形小波作为自相似测试流量的生成模型,设计自相似测试流量生成算法。将该算法应用于基于IXP2400可编程多核多线程处理器构建的网络测试系统,在区间（0.5、1．0）内生成满足不同Hurst值的自相似测试流量,通过实验验证该技术的可用性和有效性。     

信息处理单元测试系统并行测试技术研究

针对信息处理单元测试的功能需求,设计实现了基于PXIe总线的测试系统,系统包括测控单元、供电单元和接口单元三个组成部分,并完成了测试系统的软件设计;根据信息处理单元测试系统实际的测试流程和所需资源的使用情况,将并行测试技术引入到系统中,重新对相互独立的测试任务进行了并行化分析,构建了该测试系统的任务调度数学模型,提出了一种改进的自适应遗传算法(即IAGA算法),解决了并行测试模块中复杂且难以优化的任务调度问题;对任务调度模型进行了算法仿真验证和实验结果分析,验证了所得解的全局性,所得出的执行序列与串行测试相比,测试效率提高了43.57%,并与其他算法进行了对比,验证了IAGA算法的可行性与优越性;最后将IAGA算法嵌入到了测试系统的软件当中,实现了该优化策略的实际工程应用。     

多种人工智能算法的数据库技术课程自动组卷比较

在线考试被广泛应用在远程教育上,自动化组卷是在线考试的关键技术,组卷问题即是多目标期望值的求解问题,其往往存在多个解,人工智能算法对于求解多目标函数有明显优势.采用遗传算法及蚁群算法的多目标优化求解更加高效,能更好胜任于本文数据库技术课程的自动化组卷.在讨论人工智能算法在组卷应用基础上,构建了组卷指标体系,建立多目标约束数学模型,并对多目标期望值进行优化求解.多次实验结果论证表明,人工智能算法的成功率最高,平均达到98%以上（含蚁群算法100%,遗传算法96%）,而非人工智能的算法成功率较低,随机变量法62%,回溯试探法84%.应用人工智能方法特别是遗传算法和蚁群算法,提升了自动化组卷效率,满足了实际各种组卷的需要,使其在远程教育和在线考试中有很好的应用前景.     

基于反向传播神经网络的失流故障智能识别研究

为解决传统方法识别主网电流失流故障准确率低的问题,本文提出了一种基于反向传播神经网络的失流故障智能识别方法。本文利用反向传播的神经网络算法,通过梯度下降的方式反向修正各层权值,使网络输出误差达到可以接受的程度,从而达到对失流故障识别具有很好的自学习自适应能力的目的。首先根据对主网失流故障特征的研究,将失流故障分为持续失流与断续失流两种,构造对应指标,综合所有指标构建失流故障特征提取体系,最后建立反向神经网络来拟合失流故障提取体系。对数据进行识别,建立专家样本库,利用反向神经网络进行离线训练,训练完成后固定权值用于失流故障识别,从而准确输出失流故障事件。经实例验证,所提方法在识别准确率和识别效率优于一般分类识别方法,可实现失流故障的就地识别。