算法例程化在《数据库原理》CAI课件设计中的应用

本文介绍在“数据库原理”的CAI课件设计中,对抽象算法的一种处理,即将抽象算法例程化。使学习者在输入必要的数据后,可以查看问题的求解过程和答案。通过这样的处理,以期实现一种新的CAI课件。     

知识点及其网络的特性分析

优化CAI(computer assisted instruction)课件设计中的超文本知识库,是提高课件质量的关键之一.首先给出知识点结构和知识点网络结构的数学描述;然后分析网络层次分划,给出先学备用和即学即用的并进网络遍历路线以及单进网络遍历路线;接着介绍知识点网络简化算法,以达到节省存储空间和便于操作的目的;最后综述利用网络特性优化CAI超文本知识库.     

CAI课件的灰色模糊综合评价模型

CAI课件已成为现代化教学的热点,各类学校及有关计算机软件开发商都在关注其制作与开发,而客观合理的评价方法对CAI课件的发展则是十分重要的.文章通过对CAI课件的影响因素分析,建立了CAI课件的综合评价模型.在求解过程中利用灰色关联分析来确定评价指标的权重,并用灰色统计的方法来建立模糊评判矩阵,然后运用模糊方法对CAI课件进行了综合评价,使得对CAI课件评价更科学、客观.     

基于Internet的教学系统的设计与实现

本文对传统CAI课件与网络CAI课件进行了比较,给出了包括教学计划、教学大纲、教学课件、学生自评自测系统在内的基于WWW技术的CAI课件的设计与实现方法.     

基于灰色理论的CAI课件多级模糊综合评价模型

CAI课件已成为现代化教学的热点,各类学校及有关计算机软件开发商都在关注其制作与开发,而客观合理的评价方法对CAI课件的发展则是十分重要的。通过对CAI课件的影响因素分析,建立了CAI课件的综合评价模型。在求解过程中利用灰色关联分析来确定评价指标的权重,然后运用模糊方法对CAI课件进行综合评价,使得对CAI课件评价更科学、客观。     

基于本体论的知识组织在智能CAI中的应用

针对传统CAI课件的教学材料和选用的表达方式过分依赖教师固有的教学思路和教学大纲，以及对教学课件的知识缺乏有效组织的缺点，本文将新引入计算机领域的，可以有效进行知识组织的本体论引入到CAI课件中，通过对CAI课件进行本体化分析，构建领域知识本体，从而得到CAI课件的本体论表示，也即对CAI课件进行有效地知识组织，从而使传统CAI课件向着智能化的方向发展。最后通过对C语言程序设计课程的实例分析，验证了基于本体论的智能CAI的有效性。     

CAI课件评价的研究

随着CAI课件的广泛应用,人们对CAI课件的质量要求越来越高,因此,CAI课件评价工作日益受到人们的重视。对CAI课件进行评价的根本目的就在于确保其质量的日趋完善,从而促进学习。科学的CAI课件评价体系有利于准确评价CAI课件的优劣。本文扼要分析了CAI课件评价体系现状,就CAI课件评价体系的中几个主要的方面进行了阐述。并简要的分析了CAI课件评价中应注意的几个方面。     

径向基概率神经网络的一种自组织学习算法

介绍了径向基概率神经网络 (RBPNN)的一种自组织学习算法 ,该算法把径向基概率神经网络的结构原理与自组织聚类算法相结合 ,不仅能够完成对训练样本的聚类分析 ,标识出训练样本的类别属性 ,而且能够自动完成基于该训练样本集的径向基概率神经网络的训练过程 .本算法用于对 IRIS三种花型识别在训练阶段达到 97.33%的识别效果 ,而在推广能力方面 ,由本文算法得到的 RBPNN优于有标识的训练样本的 RBFNN     

浅谈小学数学CAI课件的制作

要制作CAI课件首先应熟悉制作流程,本文对小学数学CAI课件的制作谈一点看法. 一.确定课题 小学数学教学课件的制作,是为了运用计算机辅助教师解决难点、重点,而不能完全代替教师的授课.教师应吃透教学理念,认真推敲思考本课有无必要使用CAI、哪些环节需要设计CAI、CAI的设计对课堂教学有多大益处、怎样设计好CAI以便处理好教学环节等问题.     

高分辨率掩蔽感知模型的语音增强

给出一种有效的噪声压缩算法,提供了高分辨率的掩蔽感知模型,并对Kalman滤波模型进行了改进.算法通过计算噪声掩蔽参数,可以适时更新数据参数,压缩信号噪声.实验表明,本文算法没有延迟,语音质量感知评估（Perceptual evaluation of speech quality scores,PESQ）值高,对窄带及宽带信号噪声的压缩均有满意效果.     

模糊综合评判法在多媒体CAI课件质量评价中的应用

文章阐明了对多媒体CAI（Multimedia Computer Aided Instruction，MCAI）课件进行质量评价的重要性，提出了一个较全面、实用的MCAI课件质量评价标准，采用工程方案设计中的模糊理论，构建MCAI课件质量评价的模糊综合评价模型，并对MCAI质量评价指标体系中的诸因素实行模糊定量分析，以得到更加客观、科学的综合评价结果。     

应用非负矩阵分解和RBPNN模型的掌纹识别方法

提出一种基于非负矩阵分解（NMF）和径向基概率神经网络的掌纹识别方法。NFM是一种有效的图像局部特征提取算法,用于图像分类时能得到较高的识别率。考虑PolyU掌纹图像数据库,应用NMF、局部NMF（LNMF）、稀疏NMF（SNMF）和具有稀疏度约束的NMF（NMFSC）算法分别对掌纹图像进行特征提取,并对提取到的局部特征基图像进行分析对比;在特征提取的基础上,应用径向基概率神经网络（RBPNN）模型对掌纹特征进行分类,分类结果表明了RBPNN模型对掌纹特征具有较好的识别能力。实验对比结果证明了基于RBPNN的NMF掌纹识别方法在掌纹识别中的有效性,具有一定的理论研究意义和实用性。     

PSO优化的神经网络在教学质量评价中的应用

针对以往教学质量评估体系中存在的问题,利用粒子群优化算法(PSO)训练的神经网络建立教学质量评估数学模型.该方法使用由PSO训练的BP模型来拟合影响教师教学质量评价的众多指标与评价结果之间的复杂关系.实验结果表明,运用人工神经网络能更好的建立综合评价系统,用于满足更多范围的系统综合评价.     

Quantitative Analysis of Distance Learning Courseware

Web-based courseware are widely developed for distance learning programs in continue education, employee training center, and e-learning portals. Usually, a Web-based courseware contains course contents and on-line tests. However, most Web document development tools are not incorporated with a strategic evaluation mechanism, to allow a quantitative analysis of distance learning courseware. We propose an evaluation mechanism and a multimedia tool, based on our Courseware Diagram, to allow a quantitative justification of courseware. Courseware produced by our development system allows an instructor to choose different instruction sequences based on the outcomes of an exam. Alternatively, the courseware may allow self-guided study in a Web-based distance learning program. This paper explains the courseware diagram, the evaluation algorithm, and the design of our courseware development system.     

一种基于粗糙集的纺织企业纱线质量评价模型

纺织企业对纱线质量进行客观评价具有重要现实意义。针对现有评价体系过度依赖于主观经验判定的缺点,将粗糙集理论引入纱线质量评价,提出了评价指标离散化算法并构建了评价度量函数,在此基础上建立了基于粗糙集的纱线质量评价模型。实验结果表明该模型实现简单,运行效率高,为企业质量管理者进行决策提供了更加客观的数据支持。     

退化交通标志图像的RBPNN分类算法研究

为了识别退化的交通标志图像,采用模糊-仿射联合不变矩直接提取图像的特征,并针对各阶模糊-仿射联合不变矩数量级差异较大问题,提出一种数量级标准化算法,避免了需要较大计算量的图像复原处理过程。同时在深入研究径向基概率神经网络的基础上,采用全局K-均值算法优化其网络结构,并将其用于交通标志图像的分类识别。仿真结果表明,模糊-仿射联合不变矩是一种有效的处理退化交通标志图像的方法,所设计的径向基概率神经网络分类器不仅具有精简的结构而且有较好分类精度和推广性能。     

基于遗传优化径向基概率神经网络的岩性识别应用

岩性识别是测井数据解释中最关键的一环,但传统的岩性识别方法解释效率慢,精度低,受人为因素影响大。为此,提出一种遗传优化径向基概率神经网络(RBPNN)的岩性识别方法。该方法融合概率神经网络(PNN)和径向基函数神经网络(RBFNN)的优势来构造RBPNN,采用遗传算法搜索使得RBPNN训练法误差最小的最优隐中心矢量和相匹配的核函数控制参数,优化网络结构,提高收敛速度与精度,形成全结构遗传优化的RBPNN模型。实例应用表明,基于遗传优化RBPNN的岩性识别能够达到工程实际应用的规范标准,且是可行有效的,能够为油田地质勘探领域的岩性识别提供科学的理论支持与依靠。     

多失真混杂的无人机图像质量盲评价

目的 面向多失真混杂的图像质量盲评价问题目前仍然是计算机视觉领域具有挑战性的工作之一,无人机图像受成像条件影响混杂多类失真,图像质量的准确评价是其效能发挥的关键环节。为此,引入并改进了基于自然场景统计的距离度量评价模型,提出多失真混杂的无人机图像质量盲评价方法。方法 从图像的结构性、信息完整性和颜色性3个不同的角度研究并提取了与无人机图像质量敏感的特征因子集;以实拍标准测绘图像库为原始图像获得MVG特性参数作为度量基准解决了盲评价中缺乏训练集的问题;构建了以实飞图像为样本的无人机图像质量数据库（UAV image set）,为相关问题的研究提供数据集和评价参考。结果 针对所构建的数据库,本文算法在主客观一致性、算法运行时间上与其他算法进行了对比实验。相比较其他经典算法,本文算法的主客观一致性较高,达到了0.8以上,运行时间较快,过到1.2 s。此外本文还给出了块大小对算法影响以及单特征对图像的评价结果,证明算法选择的图像块大小和图像特征符合质量评价的需要。结论 针对无人机图像所包含的多失真构建质量评价综合模型,该模型可满足无人机图像质量需求。