场景建模与交互建模

场景建模的下一步是在活动中引入参与者角色。交互发生的方式对业务流程在顺境和逆境下的执行均有影响。 场景建模的一开始需要对从产生结果所需基本活动流的理解进行抽象（图1）。这时还没有角色——只有对所需活动的理解，活动所需、源自流程外部的输入以及活动产生、为其他流程预备的结果。     

目标活动特征序列提取算法研究

从目标的活动过程中提取目标活动特征，是分析目标活动的基础。为了降低目标活动特征的复杂性，分析了一种活动特征提取方法。该方法以目标活动的状态参数序列为基础，先将目标的活动状态参数划分为短序列集后，对其进行数据清洗，再从中计算得到目标活动的分类规则，最后从规则匹配结果中提取目标的活动特征序列。通过仿真实验，验证了该算法的可行性和有效性。     

第五届高校NOC活动主题活动“信息技术与专业课程整合论文征选”获奖名单

第五届全国普通高校信息技术创新与实践活动主题活动(简称高校NOC活动)"信息技术与专业课程整合论文征选"已于日前结束。本次主题活动得到了各地高校师生的积极响应,投稿踊跃,取得圆满成功。现将教师组和学生组获奖结果予以公布。详细获奖名单可在NOC活动官方网站公告栏目录下查询,网址:http://     

具有不精确活动周期的网络计划方法

具有不精确活动周期的网络图时间参数计算和活动关键性判别问题是非常困难的问题, 过去一直没有完全满意的解决方法. 因此, 提出了新的多项式算法确定通用网络中时间参数的取值区间, 并根据活动的浮动时间来判断活动的关键性. 最后, 给出了求解案例, 并把这些结果扩展到具有模糊活动周期的网络图中.     

活动成本目标MMRCPSP的活动-模式两步调度策略

基于活动成本目标多模式资源受限工程调度的并行调度方案,提出一种活动-模式两步调度策略,给出了活动优先规则和模式优先规则.该策略首先按活动优先规则进行可行活动的选择,然后按模式优先规则选择活动的可行模式.基于改造PSPLIB的算例测试得出,活动-模式两步调度策略的结果比活动-模式联合调度策略好,且在模式优先规则中考虑折衷的先序相关成本因素时取得的效果相对较好.     

整合中的转化、生成与放大

信息技术与课程的整合不是横亘在教育目标和教育结果之间的中介,而是影响教育活动的性质和价值、直接导致现实的教育结果的教育实在,是教育目标达成并拓展的必由之路。信息技术与课程的整合也不是形式,而是教育活动本身,教育过程对于教育目标和     

用户活动信息相关性分析

用户在日常操作活动中留下的活动信息是了解用户兴趣和需求的重要依据之一。本文提出一个用户活动模型,实现了一个用户活动信息相关度的分析算法。对用户活动信息从语义、切换、时间等方面进行分析,计算其相关性。研究并实现了一个用户活动的收集分析工具并将其部署在一个数据空间系统中。用户在数据空间中搜索时,系统不但返回数据搜索结果,还返回活动相关的信息,帮助用户寻找相关数据。     

基于一卡通数据活动熵的学生活动规律研究

随着信息化技术的快速发展与广泛应用,数据挖掘在教育大数据中得到越来越多的重视。目前尚无利用一卡通数据对学生活动规律性进行量化评价的研究。本文以某高校13575名本科生为研究对象,利用其一学年的790万条校园一卡通消费记录,定义了活动熵,提出衡量学生活动规律性的时空加权活动熵算法,计算并量化每个学生的活动规律值。基于活动熵对学生进行聚类,并结合部分学生的成绩数据、图书借阅数据以及消费特征,运用Apriori关联算法分析学生群体和个体行为,挖掘出隐含的关联规则。分析结果与心理学科的研究结果有较高的一致性,对于多元评价学生及智慧校园管理具有科学的指导作用。     

整合中的转化、生成与放大

信息技术与课程的整合不是横亘在教育目标和教育结果之间的中介,而是影响教育活动的性质和价值、直接导致现实的教育结果的教育实在,是教育目标达成并拓展的必由之路。信息技术与课程的整合也不是"形式",而是教育活动本身,教育过程对于教育目标和     

神经元膜电位对信息的编码

神经元膜电位的放电活动是神经编码的基础。然而,目前对于神经元电活动对神经信息的编码方式,至今尚未形成一个完整的认识。传统的编码理论认为神经系统以离散的动作电位放电序列进行信息的表达和传递,主要研究动作电位的发放频率和放电活动的时间模式。基于该理论,对神经元放电序列所携带的信息已经出现了一些定量的计算方法,但这些方法还很难应用到大规模神经元网络的计算当中。本研究以神经元的膜电位为研究对象,展示了如何量化膜电位序列所携带的信息,并将该计算结果与传统放电序列方沣的计算结果进行了对比分析,其结果取得了很好的一致性。本研究为神经活动信息量的定量计算提供了一种新的思路和方法。     

一种基于本体匹配的智能空间异常活动识别方法

有效地检测出异常活动能够更好地为老年人独立生活提供辅助。针对提高异常活动识别的准确率的问题,提出一种基于本体匹配的异常活动识别方法。采用本体对智能家居中的场景以及用户的行为进行建模,通过本体推理实现底层简单行为到高层复杂活动(ADLs)的识别,进一步将识别出的高层复杂活动与预定义的场景活动进行匹配,从而判断是否产生异常。该方法在本体推理的基础上增加了本体匹配的过程来实现异常活动的识别,从而使得识别结果更加准确。最后,通过异常活动识别原型系统(AARS)验证了该方法的可行性和有效性。实验结果表明,该方法对异常活动识别的平均准确率达到94.1%。     

工作流异常处理的UML活动图描述方法

提出了用UML活动图描述工作流异常处理的方法.根据工作流系统特点,对UML活动图作适当扩展,为扩展后的活动图定义了的形式化语句,通过实现一个RCT步来描述一个潜在发生的异常状况,并对不同处理策略下的处理过程进行了描述.结果使得UML活动图适合描述含有异常的工作流系统;由于是采用了UML建模语言,编码实现更容易.     

热点话题

面对信息活动无原则地泛滥，如何找到课程的位置 苍山子（王爱胜）：我们一直在理论与实践之间左右摇摆，往往实践过火地去理解、发展，结果造成了现在课程核心不明确的问题。至少，已经发展到了信息活动泛滥的境地。那么信息活动（主题活动、综合实践）是不是已经成为形式，甚至在阻挡课程核心价值的发展，走上虚幻的境地？     

入围作品展评

2006年6月13日,第四届“全国中小学信息技术创新与实践活动”(简称“NOC活动”)作品类赛项选手入围决赛的通知正式在NOC活动官方网站(www.noc.net.cn)上公布。历时两个月的作品收集与评审,NOC活动全国组委会共收集到各类作品5000余件,在对这些作品进行了初评、复评后,共有800余件作品入围决赛。对于参赛选手来说,这样一个结果包含着他们的汗水、他们的期盼;对于NOC活动全国组委会来说,这样的一个结果代表着公正、责任。本期选取了电脑动画、漫画和DV短片创作的入围作品进行展示,部分评审专家对这些作品进行了点评。(漫画C0174)祖孙三…     

D-S证据理论和本体推理互补的活动识别方法

有效的活动识别是智能辅助的关键。结合D-S证据和本体推理,提出一种互补结构的活动识别方法。该方法通过在证据理论和知识库之间建立对应关系形成互补,既解决了异构数据之间的知识共享,又对本体推理的规则冲突进行了处理,提高推理结果的准确性。通过复杂活动实例在原型系统中的应用,验证了该方法的可行性和有效性,并且能够有效地提高活动识别准确率。     

兄弟为你想

兄弟(中国)大型品牌互动活动"CEO换位风云"于9月3日-10月7日进行了招募阶段的活动。本次活动引起了社会各界的广泛关注,参与者纷纷通过网络进行报名。谁能实现职场的终极梦想,与兄弟CEO进行身份互换,体验CEO的生活呢?筛选结果于11月1日正式揭晓。登陆兄弟中国的官方微博,可以随时关注本次活动的最新动态。     

一种基于协同上下文关系学习的同城活动推荐算法

新兴的基于活动的社交网络以活动为核心,结合线上关系与线下活动促进用户真实、有效的社交关系的形成,但过多的活动信息会使用户难以分辨和选择.结合上下文进行个性化同城活动推荐,是解决活动信息过载问题的一种有效手段.然而大部分现有的同城活动推荐算法都是从用户参与活动记录中间接统计用户对上下文信息的偏好,忽略了两者之间潜在的交叉影响关系,从而影响了推荐结果的有效性.为了解决用户参与活动偏好与上下文信息潜在交叉影响关系利用不足的问题,提出了一种基于协同上下文关系学习的同城活动推荐算法（colletivecontextual relation learning,简称CCRL）.首先,对用户参与活动记录和活动主办方、活动内容、活动地点、举办时间等相关上下文信息进行关系建模;然后,采用多关系贝叶斯个性化排序学习方法进行协同上下文关系学习及同城活动推荐.Meetup数据集上的实验结果表明,该算法在多项指标上均优于现有的主流活动推荐算法.     

多层分类器模型的相似人体活动识别

针对基于单传感器活动识别中相似活动易混淆的问题,本文提出了一种基于广义判别分析的多层分类器融合的相似人体活动识别算法.首先提取基于单加速度计的多类活动数据的时域特征、频域特征以及时频特征,对不同特征进行特征分析与重要性评估以确定有效的特征维度.使用随机森林(RF,Random forest)算法对活动特征进行第1层分类,然后根据分类混淆矩阵分析相似活动,由广义判别分析算法提取相似人体活动的映射特征,使用支持向量机(SVM,Support vector machine)算法对相似活动进行第2层分类,最后将相似活动的双层分类器识别概率加权融合得到最终识别结果.为了验证该识别算法,在公开的数据集SCUT-NAA上执行,识别算法对相似活动识别的正确率达到97.2%,提高了基于该数据集研究的正确率.     

自主学习式课件技术探究

自主学习可以分为三个方面：一是在学习活动之前能够自行确定学习目标，制订学习计划、作好具体的学习准备；二是在学习活动中能够对学习进展、学习方法作出自我监控、自我反馈和自我调节；三是在学习活动后能够对学习结果进行自我检查、自我总结、自我评价和自我补救。     

基于经验和信誉的MAS信任评价的学习机制

为合理利用MAS中存在的经验和信誉两种信任评价资源,准确评价合作agent,提出了根据活动因子的学习结果动态评价MAS的学习机制.采用该机制,MAS根据活动因子的取值赋予不同信任资源以不同权值,动态计算可信度,评价合作目标,使得MAS取得的总体报酬最优.仿真结果验证了学习机制的有效性.