基于模糊理论的仪表数字识别研究

提出了一种基于模糊理论的仪表数字快速识别方法。确定的典型特征具有较高的区分度，且计算简单，无需进行数字细线化和大小归一化处理。构造了一种基于模糊识别最大隶属原则的数字识别器，并且采用BP神经网络解决了确定最优权矩阵的难点问题。试验表明：对于常规测量环境中的数字仪表，该方法的识别率高达99％，对7位数字的识别时间不超过30ms，达到了仪表数字识别的速度和准确率要求。     

基于蒙特卡罗方法的试卷难度分布研究

本文根据教育测量学理论对试题难度和试卷难度分布问题进行了概率学研究，提出了基于蒙特卡罗方法的试卷难度分布求解思路并进行了实现。文中针对常模参照性考试详细讨论了正态分布的适用范围，并讨论了蒙特卡罗方法的收敛性，同时给出了该方法的计算结果。研究表明，蒙特卡罗方法在解决试卷难度分布问题方面具有较好的优势。