试题难度系数确定数学模型的建立与实现

试题难度系统是试题库中的一个重要参数。作以潜在倾向理论为基础,结合区分度算法,提出了一种试题难度系数数学模型的建立和实现方法。该方法能使难度系数在试题库应用过程中不断得到修正,使确定的难度系数具有客观性和科学性。     

基于试题难度系数动态调整的题库智能维护

针对题库数据维护存在维护人员少、试题参数维护工作量大的问题,建立了考试系统的闭环结构模型,基于经典教育测量理论中难度系数的定义和基于历史考试数据动态反馈的方法,解决了多课程大题库建设中难度系数的自适应智能维护问题.实践证明,这种维护方法是可行和有效的,为大规模、多课程题库中试题难度系数的自适应维护提供了实现框架.     

基于样本划分的启发式遗传BP算法

遗传算法作为一种模拟生物遗传进化过程的随机搜索算法，具有并行和全局搜索能力，不要求函数导管特点，在神经网络学习中得到广泛应用，合理选择初始群体和控制搜索的盲目性，有利于提高算法的效率，为此，提出了一种新的神经网络学习算法－－基于样本划分的启发式遗传BP算法，该方法对神经网络学习样本进行划分，形成样本子集，初始群体通过在样本集类上训练神经网络而获得，这些初始网络中包含了关于样本子集的有用信息，根据模式定理，能通过遗传算法保留和加强，此外，提出并证明了关于样本集类及其BP训练的几个代数性质，结合子空间划分进行启发式搜索，以克服搜索的盲目性，对上述方法进行仿真实验，迭代次数和误差较小，表明本学习算法是切实可行的。     

基于样本不确定性和代表性相结合的可控主动学习算法研究

通过选取最有信息量的样本提交专家进行标注,主动学习算法可以有效地减少无效标注样本的工作量。在充分考虑位于分类边界的不确定样本和基于先验分布的具有代表性样本的基础上,本文构造了不确定性与代表性相结合的可控主动学习算法。首先利用样本的kNN分布状况建立不确定性置信度模型,该思路不需要知道样本分布的具体类型和参数计算;然后在样本聚集度模型的基础上进行聚类,在此基础上建立代表性置信度模型。最后将不确定性置信度模型与代表性置信度模型进行综合,构造可控的主动学习策略,使得每次主动学习选择的样本更具有“价值”。在UCI机器学习数据库上的仿真实验结果表明本文的思路是合理可行的,在实验所用数据集上,当达到相同的目标正确率时,本文的方法比随机采样算法所需的样本数量少得多。     

词汇难度分析RANGE32的可靠性考证

检验分析表明,Range32用于英语词汇难度分析,第一级形符和词表外形符的数据,比第三级类符很词表外类符的数据,体现差异显著性的概率更高,因而判断的可靠性更高。没有充足理由认定只有第三级及词表外类符是更可靠的判别标准。分析认为Range32有一定的应用价值,但必须综合考虑多种指标数据。     

几何系数赋权纹理特征的小样本人脸表情识别

针对只有少量人脸表情图像样本的约束条件,为构造更为有效的统计特征实现小样本表情识别,提出了几何系数赋权纹理特征的小样本表情识别方法。利用主动外观模型(Active Appearance Model, AAM)定位出人脸表情关键点,拟合关键点椭圆区域,计算椭圆离心率对比中性表情得到人脸表情几何系数;拟合关键点矩形区域,利用韦伯梯度编码(Weber Gradient Coding,WGC)提取拟合区域的纹理特征;将几何系数权重赋权拟合区域WGC特征联合支持向量机实现小样本表情识别。结果表明：在公共人脸表情库JAFFE、CK上进行测试,并与其他表情识别方法进行比较,文中算法识别率最大分别提高了1.95%与5.24%。     

基于样本不同属性综合的鲁棒偏倚赖主动学习分类算法研究

主动学习算法可以有效减少样本标注的工作量,每次选取最有信息量的样本交由专家标注。样本的代表性与不确定性都是衡量样本信息量的重要因素,将两者综合考虑能够获得更好的综合效果,但在两者的结合方式上一直存在不少问题,导致算法的适应性不强。为解决该问题,本文提出了基于样本不同属性的鲁棒偏倚赖主动学习分类算法,通过引入偏倚赖权值系数函数,在综合考虑样本的代表性和不确定性的同时,更可以突出样本的特性。同时由于样本代表性模型的渐变,在选择样本过程中更能突出代表性样本与不确定性样本的学习层次,前期训练以代表性样本为主,后期训练以不确定性样本为主,使得算法的适应性大大提高。在UCI机器学习数据库上的仿真实验结果表明本文的思路是合理可行的,在实验所用数据集上,与所提供的对比算法相比,本文的方法只需较少的标注样本便可以达到相同的分类正确率。     

关于地基沉降修正系数的贝叶斯方法优化

基于现场原位测试得到的实测沉降量与大量室内土工试验所得土性参数计算出的理论沉降量相比较,并利用贝叶斯统计的基本原理,推导出了沉降修正系数的概率分布模型和模型参数。分析结果表明,提出的方法所得结果合理而可信,可供类似工程参考应用。     

基于SmsGAN的对抗样本修复

针对对抗样本给基于深度学习的检测模型带来的严重识别干扰问题,提出一种基于随机多滤波特征统计生成对抗网络(SmsGAN)的对抗样本修复方案.采用随机多滤波特征统计网络(SmsNet)构建了特征统计层,实现了对抗样本的高精度检测,并将每个卷积核输出的特征图直接送到特征统计层获取全局特征.随机多滤波特征统计生成对抗网络(Sm...     

多尺度通道注意力机制的小样本图像分类算法

为了提升关系网络图像分类的准确度,在网络中引入多尺度通道注意力机制,提出了一种新的小样本图像分类算法.由于多尺度通道注意力机制能够关注样本特征空间的重要信息,该方法能够提取图像更丰富的多尺度特征,并通过关系度量,改善了分类结果.实验结果表明,在MiniImageNet和Omniglot数据集上,该算法对图像分类精度有明显的提高.     

Time series online prediction algorithm based on least squares support vector machine

Deficiencies of applying the traditional least squares support vector machine （LS-SVM） to time series online prediction were specified. According to the kernel function matrix＇s property and using the recursive calculation of block matrix, a new time series online prediction algorithm based on improved LS-SVM was proposed. The historical training results were fully utilized and the computing speed of LS-SVM was enhanced. Then, the improved algorithm was applied to timc series online prediction. Based on the operational data provided by the Northwest Power Grid of China, the method was used in the transient stability prediction of electric power system. The results show that, compared with the calculation time of the traditional LS-SVM（75 1 600 ms）, that of the proposed method in different time windows is 40-60 ms, proposed method is above 0.8. So the improved method is online prediction. and the prediction accuracy（normalized root mean squared error） of the better than the traditional LS-SVM and more suitable for time series online prediction.     

一种基于动态均分的最大信息系数改进算法

针对最大信息系数(maximal information coefficient, MIC)算法计算时间复杂度较高的问题,提出一种基于动态均分的最大信息系数(dynamic equpartition of maximal information coefficient, DE-MIC)改进算法,利用动态均分对两变量在网格中的散点图进行不断迭代寻优,通过对获得的互信息进行正则化得到最优的DE-MIC值,同时利用标准的可移植操作系统接口(portable operating system interface of UNIX, POSIX)对数据集进行多线程计算,使算法在大规模数据集上的计算效率更高。经过在多个数据集上与快速最大信息系数算法(rapid computation of the maximal information coefficient, RapidMIC)比较, DE-MIC算法在保持原有最大信息系数算法普适性和均匀性的前提下,计算速度更快且效率更佳。     

一种基于动态均分的最大信息系数改进算法

针对最大信息系数(maximal information coefficient, MIC)算法计算时间复杂度较高的问题,提出一种基于动态均分的最大信息系数(dynamic equpartition of maximal information coefficient, DE-MIC)改进算法,利用动态均分对两变量在网格中的散点图进行不断迭代寻优,通过对获得的互信息进行正则化得到最优的DE-MIC值,同时利用标准的可移植操作系统接口(portable operating system interface of UNIX, POSIX)对数据集进行多线程计算,使算法在大规模数据集上的计算效率更高。经过在多个数据集上与快速最大信息系数算法(rapid computation of the maximal information coefficient, RapidMIC)比较, DE-MIC算法在保持原有最大信息系数算法普适性和均匀性的前提下,计算速度更快且效率更佳。     

A new decision tree learning algorithm

Decision tree learning is one of the most widelyused and practical methods for inductive inference,andan effective approach to approximating discrete-valuedtarget functions,so decision tree learning is very suit-able for the multiclass classification.Up to now,deci-sion tree learning algorithms have been,by and large,classified as:1)univariant algorithms in which eachdecision node checks the value of a single attribute,such as ID3[1]and C4·5[2];and2)multivariant algo-rithms in which each deci…     

基于理想采样的快速超分辨算法

在很多的实际应用中,需要由多帧低分辨率图象重建高分辨图象．为此,提出了一种新的基于理想采样的快速超分辨处理的方法：通过对用理想采样后低分辨率图象和高分辨率图象之间的对应关系,并结合低分辨率图象之间的位移关系,重建高分辨率图象．仿真试验表明,该算法提高分辨率的效果明显,其峰值信噪较传统的插值方法提高了十几个dB．     

遗传算法与ICA相结合的多姿态人脸识别算法

为了解决多姿态人脸识别问题,提出了基于独立成分分析（ICA）进行正面人脸合成的新方法。首先利用ICA提取不同姿态人脸的特征子空间,然后利用遗传算法（GA）优化不同姿态的特征子空间,最后利用通过训练得到的姿态转换矩阵得到代表待合成的正面人脸特征系数,并直接进行分类比较。通过实验,验证了新方法对人脸识别率有较大的提高,并进一步简化了识别过程。     

基于交互式当前统计模型的变采样率跟踪算法

针对相控阵雷达跟踪机动目标时当前统计模型采用固定机动频率和机动加速度上限而难以适应多种目标机动环境,提出了基于交互式当前统计模型的变采样率跟踪算法．该算法将多个当前统计模型作为交互多模型框架下的模型组成,然后根据各模型相关过程噪声值合成计算雷达的采样间隔,实现变采样率跟踪,提高了适应目标机动的能力和跟踪精度．仿真结果表明,本文算法的跟踪性能明显优于基于Singerk模型的变采样率跟踪算法．     

基于Parameter Server框架的大数据挖掘优化算法

基于大数据挖掘的实时性要求和数据样本的多样性特征,提出一种面向大数据挖掘的机器学习模型训练优化算法。分析当前算法的迭代计算过程,根据模型向量的改变量将迭代过程分为粗调和微调两个阶段,并发现在微调阶段绝大部分样本对计算结果的影响极小,因此可以在微调阶段不计算此类样本的梯度而直接采用上次迭代的计算结果,从而减小计算量,提升计算效率。试验结果表明,算法在分布式集群环境下可以减小模型训练约35%的计算量,且训练得到的模型准确度在正常范围内,可有效提高大数据挖掘的实时性。     

基于遗传算法的LTE下行系统资源分配算法

为改善多业务LTE下行系统的吞吐量和公平性并满足用户对多业务的需求,提出一种基于遗传算法的资源分配算法。该算法以遗传算法为基础,建立以适应度函数值之和最大化为目的的优化目标,根据用户业务的服务质量需求和信道状态信息设计适应度函数,经过选择、交叉、变异等操作,得到相对最优资源分配方案。仿真结果表明,与传统算法相比,该算法满足多种业务的服务质量需求,增加系统的公平性,对实时业务提供较小的时延,对尽力而为业务提供更大的吞吐量。