Rough Sets and Nuclear Safety

It is well-known that rough set theory can be applied successfully to rough classification and knowledge discovery. Our work is concerned with finding methods for using rough sets to identify classes in datasets, finding dependencies in relations and discovering rules which are hidden in databases by means of decision tables and algorithm D. We use these methods to analyze and control aspects of nuclear energy generation.     

一种基于鲁棒性分析的Web应用PIM建模方法

针对目前构建Web应用系统PIM的方法存在的问题,提出一种基于鲁棒性分析,通过用例驱动,创建具有MVC架构模式语义信息的类图和顺序图的Web应用系统PIM建模方法.并经过案例研究,验证了该方法不但能够从功能需求和非功能性需求两个方面实现目标系统的PIM建模,而且所建PIM能够有效转换成为Struts2等MVC实现框架相关的PSM.     

基于模拟退火算法的智能试题产生系统研究

随着人工智能技术在教育评价领域中的应用,计算机自适应测试逐渐成为一种重要的教育评价方式。采用这种测试形式,计算机实时的对学习者的能力水平进行动态更新并从题库中为其选择量身定制的试题,这就要求系统具有比较高的执行效率,才能满足实际应用的需要。为了解决这个问题,提出了基于模拟退火算法来构建智能试题产生系统的方法。实验结果表明,该方法在保证从题库中为学习者选择接近最优试题的同时,也极大提高了系统的选题效率。     

基于Multi-Agent技术的教学资源个性化服务模型研究

从分析当前中小学教育资源供给模式的现状和需求出发,提出了一种全新的教育教学资源配送模式:基于Multi-Agent技术的教学资源个性化服务系统.它在一定程度上解决了用户(主要指教师和学生)日益提高的个性化资源需求与落后的服务模式之间的矛盾.     

面向Spring框架的模型转换技术研究

提出一种面向Spring框架的MDA模型转换方法,通过建立适合Spring框架的UML Profile,完成基于UML Profile的领域应用系统的PIM模型到基于Spring框架的Web应用系统PSM模型的转换,并结合一个具体实例予以说明.     

基于决策理论的计算机自适应分类测试研究

研究了基于决策理论进行构建自适应分类测试模型以及使用该模型进行计算机自适应分类的测试过程.在实施过程中,首先根据分类和考生的先验信息以及观测到的考生的反应模式,采用最小差错概率决策准则对考生的掌握程度进行最优的估计;然后基于最小期望成本的方法为考生选择合适的测试项目;最后采用序贯概率比检验方法决定测试的终止并得到最终的分类结果.该方法基于弱假设,具有执行简单、分类效果好等优点.     

基于人工神经网络的航磁信息关联方法的研究

应用人工神经网络方法,以航磁数据为样本,建立了航磁信息关联的BP人工神经网络模型。对山东省1：50万航磁水平一阶导数轴向图进行计算机自动关联叠置、提取航磁解释构造轴线的研究。经与垂向二阶导数对比分析,证实了该方法给出的模型具有较强的非线性、自适应和学习能力。