基于语音自动评测的普通话学习系统研究

学习汉语普通话的外国人越来越多,对外汉语教师的师资力量的匮乏,严重制约了对外汉语教学的发展.针对希望进一步掌握普通话口语学习的外国学习者,该研究提出了一种普通话游戏学习系统.本系统的学习模式结合了计算机技术和语言学研究成果,打破了传统的教学模式的限制,对学习者进行实时评测,提供学习报告与口语学习的最终评定结果.结果表明,该系统能够较为有效地辅助外国学习者的普通话口语学习.     

基于线性学习模型的社会媒体流排名算法

在社会媒体中,对用户推荐适合的状态更新不仅降低了用户搜索信息的时间,也可以增加用户对服务的粘性。针对社会媒体中状态更新而推荐的准确性低的不足,提出了一种基于线性学习模型的状态更新排名算法。首先,根据社会媒体的性质定义了相应的偏好属性,并提出了一种基于线性模型的潜在偏好模型;其次,根据状态更新以及接收者的特征定义了相应的线性特征模型;最后,将潜在偏好模型和特征模型相结合,提出了一种引入时间效应的线性模型。通过实验验证表明,提出的算法与其它相关算法相比,算法的预测准确性更高,执行效率更快。     

基于拓扑信息加速马尔科夫毯学习

目标变量的马尔科夫毯（MB）是用于预测其状态的最优特征子集。提出一种新的约束学习类MB推导算法FSMB,它遵循后向选择的搜索策略,并依赖条件独立（CI）测试删除任意结点对之间的伪连接。与传统约束学习类算法不同,FSMB能从已执行的CI测试推导出不同结点扮演d 分割（d separation）结点的优先等级;而后基于该信息在未来优先执行条件集中包含高优先级结点的CI测试,从而更快速地判断并删除伪连接边。该策略可帮助快速缩小搜索空间,从而大大提升学习效率。基于仿真网络的实验研究显示,FSMB在计算效率上较经典的PCMB和IPC MB有显著的提升,而学习效果相当;在面对较大网络结构时（比如100和200个结点）,甚至比公认最快速的IAMB还节省近40%的计算量,但学习效果要远优于IAMB。基于16个UCI数据集和4个经典的分类模型的实验显示,基于FSMB输出的特征集合所训练模型的分类准确率普遍接近或高于基于原有特征全集训练所得模型。因此,FSMB是快速且有效的MB推导算法。     

大学外语多模态教学模式理论与实证研究

在全球趋于一体化、多元化和技术化的背景下,多模态化教学成为大学外语教学模式的发展趋势,教学理论研究焦点集中在 决定教学目标实现、制约教学方法选择和教学模态使用的教学设计方面。依据张德禄提出的多模态外语教学设计原则和方法,对 大学英语一个教学单元进行个案教学设计、研究和实验,展现多模态外语教学模式教学活动各环节之间的承接关系,探索大学外 语课堂教学的多模态最优化设计,从而见证大学外语微观教学实践的探索、意义与价值。     

二次回归学习及其在软件开发工作量预测上的应用

回归学习是用于对具有实值标记样本进行学习建模的监督学习技术。为获得良好的预测性能,通常需要大量的训练样本,然而,在实际应用中可收集到的训练样本数量极少。针对该问题,提出一种基于二次学习框架的新型二次回归学习方法———基于神经网络集成的回归树算法( NERT)。该方法借助虚拟样本生成技术,通过串行执行的两个学习阶段对其进行有效利用,有效缓解训练样本不足的困难,从而提升学习性能。同时,通过为两个阶段分别选择泛化能力强和理解性好的学习方法,可得到预测性能好且可理解性高的模型。实验结果表明在训练样本极少的软件开发工作量预测问题上,NERT方法能够从小样本数据得到比现有方法更好的预测性能,同时其模型内在可理解性能够揭示工作量预测的关键因素。     

基于Web信息使用改进的无监督关系抽取方法构建交通本体

领域本体是对领域概念及其关系的一种高效合理的展现形式.在构建领域本体过程中,常常遇到的问题就是尽管本体概念完备但概念间关系复杂多样导致人工标记关系代价过高.使用无监督学习的关系抽取算法对包含丰富的领域概念的web信息进行抽取解决了这一问题.然而,传统的无监督学习的算法没有考虑到"单样例多概念对"的问题,导致最终抽取的概念关系不完整.本文利用交通领域的Web信息构建本体,将样例概念关系对权重引入传统的无监督学习方法Kmeans中,解决了此项问题并通过实验证明该算法取得了良好的效果.     

基于自编码神经网络建立的搜索信息模型

根据用户搜索历史,将用户关注的信息按标题分类,通过自编码神经网络提取特征值。设定学习样本标题最多为25个汉字,编码方式采用汉字机内码(GBK码)。使用 MATLAB工具进行深度学习,将样本在原空间的特征表示变换到一个新的特征空间。     

多智能体环境下的情绪决策模型?

建立一种基于情绪的Nash-Q决策模型,它由认知层和情绪层组成。认知层模型由Nash-Q算法实现,情绪层建立在情绪记忆和评价理论之上,由高兴、伤心、恐惧、厌烦组成情绪空间,建立相应刺激与情绪映射模型、情绪与行为动作映射模型、每种情绪下的动作信任度评价模型。将文中模型应用到两智能体网格决策实验中,结果表明情绪层的引入可加快收敛速度,同时能有效防止陷入局部最优,更好兼顾在线学习的“保守”和“探索”平衡。     

基于分割集成的行人检测方法

为提高行人检测的准确率,提出基于分割集成的方法用于静态图片中的行人检测。先将每个训练样本均匀分割成若干区域,提取特征后利用AdaBoost算法对每个区域建立一个局部分类器,这些局部分类器加权组成一个全局分类器。采用不同的分割方法重复上述过程,得到多个全局分类器。为进一步提高检测效果,得到更好的平均性能,对每种分割方法分别使用方向梯度直方图、多尺度方向梯度直方图特征建立2个全局分类器。当检测新的窗口时,集成上述全局分类器,通过加权投票的方式决定最终的检测结果。在INRIA公共测试集上的实验表明,文中方法有效提高检测效果。     

基于插件技术的试题多样化解决方案和实现

针对在线外语学习平台中试题展示的需要, 研究了插件的基本思想, 将插件的思想应用到试题的设计过程中, 提出了一种基于插件的试题设计与展现方法, 并在ASP.NET MVC环境下给出了具体的设计与实现, 并将此方法应用到易立方智能化外语学习平台中. 实践证明该方法能够很好的解决题型多样化问题, 为当前在线学习平台的设计提供了一定的参考价值.