基于Delphi的组卷系统

该文给出了一种组卷系统的设计,介绍了从题库中组卷的方法。系统选题时将按章节和题型分布,当有多套试卷生成时自动保证各套试卷中的试题不重复。按指定的难度要求组卷,系统的效率和试卷质量可以得到大幅度的提高。     

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。     

一种基于题库自适应考试系统的设计与实现

目前考试系统设计，从组卷方面来看，主要解决如下问题：①试题的难度系数是预设、固定的，当发生与实际偏差时不容易调整。②难度系数不能随着考试群体接受情况的变化而改变，考试结果必然超出预期。③同题型同知识点的试题重复出现情况较严重，这违背了组卷原则。针对上述问题，论文提出进行基于题库自适应考试系统的设计和实现方法。     

基于文本格式的题库与试卷自动生成系统研究

用VisualBasic语言和Access数据库设计开发了一个基于文本格式的题库与试卷自动生成系统。该系统可以将按章节或知识点录入的试题和答案文件直接导入到试题库;可以浏览和修改试题库中的试题;可以设置组卷的条件并能根据组卷条件自动生成试卷;可以管理多门课程的题库;可以设置不同的试卷试题内容完全不同的条件,并且允许相同的知识点出多道试题但在同一套试卷中不会同时出现。     

题库自动组卷算法的设计与实现

各种题库管理系统中，试题的自动组卷成功率是一个关键性的问题，本文以试题库的结构设计和随机抽题组卷算法设计为基础，提出了一种提高组卷成功率的新方法。     

一种基于策略集的概率缩域算法对多目标随机组卷问题的解决方案

电子考试系统的组卷研究是高校教考改革中电子试卷需要考虑的综合性问题。电子组卷既要求算法具有高效性、随机性和均衡性,同时需要抽取的试题组合满足用户自定义策略性要求。本文提出一种基于策略集的概率缩域算法,首先通过对试题组和组卷过程采用随机洗牌算法,保证试题抽取的随机性;其次使用策略集对试题取值域进行提前剪枝,缩小当前目标集的取值范围,保障算法的快速返回;最后使用策略集对抽取目标集进行轮转,实现基于策略的试题调整。在一个具有100000个题目的试题库中抽取1000份试卷的测试结果表明,算法能够在极短时间内（127 s）抽取符合目标的试题量,算法效率与组卷份数呈现二次函数的变化趋势,对题库数量敏感度较小,适合较大题库的试卷抽取工作。      

一种海量题库难度系数和区分度动态优化模型

难度系数和区分度是衡量试题质量的两个重要参数。如何快速准确地获得试题的难度系数和区分度则是随机组卷考试系统海量题库建设中的一个难点。专门针对海量题库试题的难度系数和区分度提出了一种动态优化模型;该模型借助计算机的快速准确处理能力进行试题的实际难度系数和区分度的计算与优化,为出题者不断完善和优化试题内容提供科学合理的依据,从而提高海量题库命题的自动化和合理化水平。     

遗传算法在网络在线智能组卷中的应用研究

速度和质量是网络在线实时组卷的两个核心要求,常用二进制编码遗传算法组卷时间受题库试题总量影响大,且后期收敛效率低;通过对上述问题的分析．提出了一种基于分段实数代号编玛和微量变异算子的GAs组卷算法．详细描述了新算法的设计思想和实现过程;结果验征了该算法运用于网培在线实时快速组卷的可行性,新算法的收敛时间（组卷时间）不受题库题量影响,可短至1.56sa。     

一种基于预测计算的无回溯智能组卷策略

针对中小型题库组卷成功率差且执行效率低的问题,提出了一种基于预测计算的无回溯智能组卷算法.该算法通过预测计算的方法,根据约束条件在访问数据库之前先计算出满足题库题量要求的试卷章节题型分配矩阵,提高组卷成功率,使得数据库访问时无回溯,并在具体选题时按照策略采用批量抽取的方案提高组卷速度.算法具有一定的通用性并为构建智能考试系统提供较高的研究参考价值.     

通用试卷生成系统的设计与实现

选择遗传算法作为组卷算法,设计一种具有通用性的组卷系统。该系统能够按照试题类型、试题数量、章节覆盖、难度系数、区分度、答题时间、课时数等约束条件进行快速搜索,从而找到最佳组卷方案,组出理想的试卷。     

基于Web的在线考试系统的设计与实现

针对目前传统考试效率低下的问题,该文设计并实现了一个在线考试系统,系统包括对系统中的试题库的详细结构设计,设计了抽题算法,通过采用随机抽取与设置难度系数相结合的方式使试卷中各种难度试题数量的分布更加合理、科学,系统使用方便,有效。     

基于ASP试题库系统的设计

论述了《计算机操作系统》试题库系统的总体设计结构,系统采用B/S结构,应用ASP技术和采用Access数据库来构成试题库系统,使用ODBC技术连接后台数据库,并且给出了本系统的需求分析、系统结构图、系统各模块的功能,在数据库设计中用数据流图来表达数据和处理的关系,说明了每个数据库表的详细信息。系统在抽题算法上,采用了随机抽取与设置难度系数相结合的方式,这样可以使每个学生抽到的试题与其他学生不完全一样,并且试卷中各种难度试题数量的分布更加合理化、科学化,同时给出了详细的抽取算法。     

基于基因表达式编程的计算机组卷算法研究

随着计算机技术的发展,传统的手动组卷方法难以满足新时代下的各种领域的需求,为解决传统手动组卷在性能、速度、题型分配等方面的缺陷,基于计算机技术的智能组卷问题日渐变为人们关注的问题。然而目前的组卷算法存在成功率低、计算时间久、知识点覆盖不完整、难度系数难以把握、生成的试卷难以满足要求等问题,导致了生成的试卷无法达到理想的效果。为改善上述问题,引入了基因表达式编程算法,通过使用适当的遗传算子,采用线性定长的编码方式,构造了新的智能组卷方法,避免了传统组卷算法成功率低以及适应性差等问题,解决了多约束条件下试卷的分数分配、章节分配、难度等一系列问题。实验证明,该算法有着较高的效率,能够快速地生成满足要求的试卷。     

结合灰度直方图和细胞自动机的多模态MRI脑胶质瘤分割

为了解决脑胶质瘤边界模糊、复杂而导致的分割不准确问题,提出了一种将灰度直方图（gray level histogram,GLH）与改进的细胞自动机相结合的脑胶质瘤分割算法。首先,对脑胶质瘤的T2加权图像和液体衰减反转（FLAIR）图像进行融合;然后,利用灰度直方图特性增强脑胶质瘤区域;最后,以加权距离为特征向量用改进的细胞自动机进行分割,并得到脑胶质瘤各组织分割结果。在20组BraTS2015（brain tumor segmentation）数据库数据和10组临床脑胶质瘤数据上进行分割实验,整个肿瘤区域及核心肿瘤区域的平均分割准确率分别达到90.76%和89.73%。实验结果表明,相对于对比方法,所提算法不仅能更好地分割出对比度明显的胶质瘤区域,还在一定程度上解决了模糊胶质瘤区域分割不准确的问题。该算法在保持不增加算法复杂度的同时,亦提高了算法分割的准确性和鲁棒性。     

改进Gabor滤波器在指横纹提取中的应用

针对指横纹难于实现自适应分割的问题,提出一种新的基于改进Gabor滤波器的指横纹提取算法。该方法在指横纹特征方向求取阶段,为避免出现传统Gabor滤波器固有的旋转溢出和奇异值区间的问题,提出以手指轴线方向作为Gabor滤波器方向。在分割阶段,为减少求取Gabor频率的耗时和Gabor频率投影值难于确定的问题,提出以固定频率对指横纹特征进行Gabor滤波。实验证明该算法不仅能够减少计算量,还能有效克服噪声以及手形姿态变化的影响,并且对不同精度的指横纹图像都有较强的鲁棒性。     

基于词素的日文分词方法及其在OCR系统中的应用

在基于OCR技术的大规模文档录入系统中,自动检错可以大大降低人工校对成本。在日文OCR系统自动检错中,日文单词因其动词及形容词、形容动词的词尾变化现象使自动分词变得比较困难。本文提出了一种基于词素的日文分词新方法,通过建立以词素为基础单位的分词词库,以最大长度优先词条匹配方法分割出文章中有词尾变化的日文单词,避免了传统日文分词中收录单词各种词尾变化形式造成分词词库过于庞大的问题。实验表明,本文提出的分词方法可以达到99.0%的分词正确率;将该方法运用在OCR检错模块,当系统拒识率(即检错模块中认为可疑的字符在总字符中的比例)控制在1/5时,测试集上漏检率为0.05%,说明了该方法的有效性。     

基于模糊C均值聚类的比色传感器阵列图像分割算法

结合当前比色传感器阵列多样性、不稳定等特点,并针对当前现有的阵列图像分割算法中或者效率低,或者易受光照环境影响等现状,本文在模糊C均值聚类算法基础上,提出了一种图像分割算法.该算法首先通过HSI颜色空间下I分量在行、列投影实现图像网格划分,并结合局部阵列点图像的平滑直方图信息解决了FCM算法聚类条件初始化的难题.其次,为了提高阵列点图像分割结果的准确度,该算法通过目标函数引入了不同权重系数的H分量和I分量,实现了色彩信息的引入.通过图像分割效果测试,本文所提出的图像分割算法在所有阵列点图像分割中展示了96.54%的总体最优分割精度,可以有效、准确地实现比色传感器阵列图像的目标提取.     

一种改进的医学图像分水岭分割算法

为了提高医学图像分割的准确性, 针对分水岭分割算法中的过分割问题, 提出了一种改进的医学图像分水岭分割算法。该算法首先在分水岭变换前进行预处理初步分割, 主要包括多尺度形态学滤波、多尺度梯度算子计算、自适应标记提取以及分水岭变换; 然后在初步分割变换后, 通过基于邻接图的区域灰度相似性与边界相似性相结合的合并准则, 对分割后的区域进一步合并。实验结果表明, 新算法有效地解决了分水岭算法的过分割问题, 具有较强的抗噪性能和边缘定位能力, 能够满足医学图像的分割要求。     

Memetic算法在智能组卷问题中的应用

Memetic算法是一种启发式搜索方法,常用于解决一些NP问题。本文通过对遗传Memetic算法的改进与优化,结合智能组卷问题的特点,提出一套完整的解决方案。算法使用Memetic算法框架,全局搜索策略采用分段实数编码的遗传算法,融合了算法的交叉变异操作,局部搜索策略采用模拟退火算法,有效解决陷入局部最优问题。通过不同算法的对比实验表明,本文提出的Memetic算法能够快速高效地解决智能组卷问题,大大提升试卷生成质量,减少迭代次数,可快速获得最优解。 