基于自适应决策支持技术的研究生在线考试系统的设计与实现*

设计并实现的研究生在线考试系统以遗传算法和ID3经典算法为基础,采用四层体系架构,除包括考试系统的基本功能外,还具有自动组卷、试题难度系数自适应学习和面试决策支持功能,同时实现了数据仓库数据的来源处理过程和应用处理过程,充分体现了自适应决策支持技术的优越性。     

基于B/S的自动化考试评分平台设计与实现

设计基于B/S的自动化考试平台,该平台具有随机试题抽取、自动收卷、自动计算考试成绩等功能,并且能够按照学生的班级、学号、姓名自动排序保存为Excel文件。该平台具有可拓展性,同时具有良好的安全性,具有较高的应用价值。     

试题得分概率和答题时间概率分布自适应学习整定

无纸考试系统理想的组卷方式是根据试题得分概率和答题时间概率分布自动组卷,使所组卷子的预期考试成绩和答题时间数学期望和方差符合要求。自动随机组卷的考试质量严重地依赖于试题库试题的得分概率和答题时间概率分布的准确程度。试题库的得分概率和答题时间都是由有经验教师指定,并一经指定就不再变化。这样的方式存在三个问题,一是靠经验指定必然有偏差;二是成绩分布不能适应考试群体接受情况的变化;三是考试时间估计不准,或者过于集中或者过于离散。为此,论文根据大数定律中的贝努利定理(Bemoulli theorem)和机器自学习思想,提出试题库试题得分概率和答题时间自适应学习整定思想。     

基于改进的遗传算法的智能组卷算法研究

随着人工智能技术在高校信息化过程的不断推广,智能在线考试模式已成为高校教学改革的一种新手段。目前现有的在线考试系统由于一些现实约束,还存在很多不足。文中针对现有的考试系统存在智能组卷后的试卷难度不均衡、题库试题难度系数确定不合理的现象,提出一种基于改进的遗传算法自动组卷策略。利用伯努利大数定律和机器自适应学习方式,确定题库中试题合理的难度系数。在试题的难度系数确定后,试卷的难度系数就是参入组卷的试题的平均难度系数,组卷中,只需指定试卷的平均难度系数和各类题型的数量即可。     

基于VB的网络考试综合系统的设计与实现

网络考试综合系统是传统的考试与先进的网络模式相结合的网络化考试平台,能够自动地有效地完成试题的抽取、组卷、阅卷、管理等操作,提高考试的效率。Visual Basic具有面向对象的可视化设计环境、事件驱动的编程机制、支持多种数据库访问、网络功能等特点。使用Visual Basic开发的网络考试综合系统具有较强的实用性和可移植性。     

考试系统试题库及组卷方案的设计

在自动考试系统的题库建设中,试题库设计及组卷策略是关键环节。试题库中试题的参数,不同的试题库不尽相同,这里定义为:试题=(编号、题型、题干、答案、分值、试题难度、区分度、知识点、使用次数);试卷=(标题、考试时间、考试日期、总分值、题型、试卷难度、试卷区分度、知识点、曝光度)。     

用ASP和SQL Server 2000开发在线考试系统

利用ASP和SQL Server 2000研究开发的在线考试系统,它操作简单、使用方便、效率很高,具有试题的录入、修改功能,实现自动组卷以及进行在线考试等重要功能,也就是说实现了真正的无纸化考试,满足任何授权的考生随时随地考试并迅速获得成绩,同时也大大减轻了教师出题、组卷和改卷等繁重的工作量。     

基于动态试题难度参数的智能组卷策略*

针对网络考试系统的即时性和高效性,提出了基于动态试题难度参数的智能组卷算法的设计策略,利用二项分布函数做难度曲线分布模型,结合目标函数对试题多种参数进行优化。根据试卷的整体难度,以试题难度参数为优先,运用试题选题参数调节知识点之间的平衡,试题曝光参数选取出卷频率比较低的试题,从而确定各种题型不同试题难度数量,实现快速自动组卷的目标。     

基于蚁群算法思想的智能考试系统模型研究

针对传统考试耗时耗力等缺点,提出基于解离散优化问题蚁群算法思想的智能考试系统模型。该模型从智能考试系统的需求出发对蚁群算法的信息素初始值的设定进行了探讨并改进了更新规则,将考试结果反馈给系统,从而不仅有效解决了自动组卷问题,而且系统具有了自主学习能力,使其能够更智能化地改进系统性能。经检验,该系统具有组卷速度快且选取试题重复率低等优点,算法有效可行,借助该系统组织的考试能够达到预期目标。     

一种基于改进蚁群算法的考试系统的研究

由于传统的考试既费时又费力等不足,提出一种基于改进蚁群算法的考试系统模型。本模型以考试系统的功能需求为前提,对蚁群算法的信息素初始值的给出作了讨论并对更新规则进行了修改,将考试结果反馈给系统。这样不但使得自动组卷问题得到了有效的解决,而且本考试系统还具备了自主学习能力,使考试系统的智能化程度越来越高。实验结果表明,本系统具备随机抽取试题的重复率低、组卷效率高等优势,算法效率高,能够最大程度的满足组卷的需求。     

气动油压伺服系统的智能PID控制研究

针对经典的基于对象精确模型的PID控制方法自适应性差,难以适应具有非线性、时变不确定性的被控对象,提出了一种基于RBF神经网络的、结构简单的PID自适应控制方法。将该智能PID控制应用于气动油压伺服系统中,实验结果表明:具有自学习和自适应能力的RBF网络PID控制方法,能够适应被控对象在较大范围内的变化,具有较强的鲁棒性,其控制品质明显优于常规PID控制方法,将其应用于气动油压伺服系统是可行的。     

模糊自整定PID算法在锅炉压力系统中的应用

锅炉压力是锅炉燃烧控制系统中的一个极为重要的指标,同时也是保证锅炉安全运行的主要条件之一。传统的PID控制算法因其具有原理简单,易于实现,稳态无静差等优点而被广泛的应用到该类控制系统中,但是它在实践中遇到了许多的困难（如：不适应参数变化,超调大,抗干扰性能差等）。针对这种情况,提出模糊自适应整定PID控制算法。该算法保留了传统PID算法的优点,同时引入模糊控制在线整定PID参数。将其与串级控制相结合应用到锅炉蒸汽压力控制系统中进行仿真,仿真结果表明它优于常规的PID算法,有工程应用价值。     

基于VFP的自学考试报名系统的设计与实现

自学考试报名系统使用Visual FoxPro作为开发工具,主要实现对考生报考信息的录入管理,克服了全国自学考试考务考籍管理系统在录入报考信息时效率低下的缺点,极大地提高了报考信息录入的效率,使报名工作规范、准确、简便、高效,该论文主要阐述了自学考试考生报名系统的设计思想和实现技术.     

面向人机物三元数据的热轧调度问题研究

随着钢铁行业的数字化发展,其订单逐渐趋于多样化和随机化,这对热轧调度模型的适应性和灵活性等提出了新的要求.针对热轧调度问题,当前的主流方法是启发式算法,但其存在两个问题:一是没有考虑数据的组织表示;二是此类算法具有很强的针对性,当问题发生很小的改变就需要进行复杂的参数调整.相比之下,机器学习具有更好的适应性和灵活性,对此,采用本体进行人机物三元数据的组织表示,提出一种指针网络$+$强化学习的热轧调度求解方法.采用指针网络来学习序列到序列的映射,同时为解决指针网络训练困难和性能不高等问题,通过actor-critic网络进行训练,提高模型的准确性和收敛速度.最后,通过设计相应的实验对算法的性能进行仿真并与LK-H的局部搜索算法进行对比,进一步验证了所提出方法的有效性.     

基于遗传算法的自测系统设计与实现

自测是学生进行自我评价与指导的重要途径,有利于培养学生的自我管理意识,提升其自主学习能力.文章设计并实现了一个基于B/S的在线自测系统.它以知识点维护与试题库管理为基础,以自动组卷为核心,提供在线测试与评分、错题本维护等功能.知识点采用分级管理方式,并允许一道题目关联多个知识点.自动组卷采用遗传算法,以知识点覆盖率、试...     

智能题库的模糊设计与分析

本文对影响试卷内容难度的要素进行了系统的分析，采用模糊方法对试题内容难度进行统计评价，以模糊变换理论对多相相关要素加以综合考虑，引入隶属度不表述它们对试卷难度的影响程度，并以此确定影响试卷难度的主要要素，这种方法提高了现有标准化试题库的智能性、灵活性和可靠性，进而增强了综们的适用性。     

基于关系着色图的Timetabling算法研究及其应用

考试自动安排系统在高校教务管理中处于重要位置,也是一个难题.提出一种基于关系着色图RCC(Relationship Coloring Chart)的Timetabling算法,探讨了该算法在考试时间安排中的应用,开发了某高校业余大学考试自动安排系统,并解决了较大数量学生补考的复杂安排问题.     

计算机基础操作评分功能的算法实现

用于课程考试与远程自学测试的自动阋卷系统是计算机辅助教学的重要研究内容之一,其中评分算法是技术关键。对此,以Word操作为例,提出了通过公共序列模糊匹配算法来实现计算机基础操作的评分功能的方法,并进一步研究了计算机基础操作文档的识别、定位以及评分功能的实现技术。