计算机多阶段自适应测验的组卷方法

计算机多阶段自适应测验(MST)实施的关键是成功组建多个满足测验规范(即统计和非统计约束)的平行测验(或称测验面板),自动组卷(ATA)为实现测验平行提供了可能.现有的MST组卷方法研究主要包括以下几种:1)基于线性规范算法的组卷方法; 2)基于启发式算法的组卷方法; 3)基于蒙特卡洛算法的组卷方法; 4)基于在线组卷的方法.该文讨论这几种方法的优缺点并进行比较,同时指出未来可进一步改进这种方法并开发基于认知诊断测验的自动组卷方法.     

基于IRT模型的智能组卷策略

介绍了一种基于项目反应理论的最大化加权约束信息量(Max_CWI strategy)组卷新策略,讨论了它的优点;将CAT中分层化策略与Max_CWI组卷策略相结合,又提出了几种其它的分层化Max_CWI组卷策略和随机化Max_CWI组卷策略,还提出试卷对各个能力水平的被试进行精确估计的评价指标——测验平均信息量的概念.     

测验等值设计的一种新方法

测验等值的单组设计，是将需等值的测验Ｘ、Ｙ都由同一考生组施测，然后对测验分数进行等值。其优点是考生组织只有一个，Ｘ、Ｙ成绩的差异交归因于测验的不同而不会混杂先生性组不同的因素。缺点是同一考生要测验两次，练习效应和疲劳将会干扰结果。本文提出一种新的设计方法－－单组设计试卷分半法，是在单组设计中，把测验Ｘ、Ｙ各分成平行的两半卷分半法各取Ｘ、Ｙ的半卷组成新的测验Ｚ，将Ｚ对同一考生组施测，根据施测结果导出     

基于量化模型的自动组卷算法研究

将试卷的整体命题要求进行量化,得到有关试卷的各项局部指标,并生成试卷的量化模型.对试卷期望值这个全局指标,进行分解,并采用随机分配系数的方法进行合理量化,生成各类试题的分数及难度量化模型,然后按照模型在试题库中有目的选题并组卷,对组卷过程中出现的误差,使用近似匹配策略进行循环微调,直到没有误差或误差在允许范围内.算法具有输入量少、组卷成功率较高和成卷质量较高的特点.     

非等组锚题设计下IRT等值方法比较及其应用

总结了基于非等组锚题设计下的两大类IRT等值方法:同时参数标定和分别参数标定.分别参数标定包含了线性参数转换和固定参数标定,以等值精度为评价标准对这3类等值方法的效果和适用条件进行归纳并做出相应的评析,为测验工作者选择合适的等值方法进行项目参数和测验等值提供参考依据.     

一阶段选题的最大优先级指标的修正

为了平衡测验中限制条件而提出最大优先级指标(MPI)一阶段选题方法可能出现越界,对该情况进行分析,并给出修正方案,修正后基本解决了限制条件越界的问题.     

匹配变量纯化的测验偏差检验方法

CSIBTEST方法是基于参照组和目标组2个测验信度对真分数进行估计,再按交叉位置分数将匹配分数划分为2类子样本,并分别计算其卡方统计量,然后将这2个独立的卡方统计量相加得到自由度为2的检验统计量.鉴于测验信度具有群体依赖性,即不同群体的测验信度可能不尽相同,而CSIBTEST方法将参照组和目标组分别划分为2类子样本,有必要对子样本上的测验信度也进行估计,由此拓展了CSIBTEST.新方法先使用CSIBTEST获得交叉位置参数,相当于进行DIF预分析,再使用子样本上的信度估计用于真分数估计,以在对匹配变量进行纯化后获得检测统计量.模拟研究结果显示:相比SIBTEST和CSIBTEST,匹配变量纯化的测验偏差检验方法对存在DIF试题有着更高的统计检验力.     

自适应组卷方式的研究与设计

文章是基于相应题库建设完善的基础上研究组阅问题.在目前诸多的组卷方法和组卷策略中,设计了一种的以随机抽题和近似匹配相结合的组卷策略,以解决在随机抽题中可能导致的组卷不能进行下去的问题.     

ICAI系统中基于遗传算法的试题库组卷方法

通过探讨遗传算法的基本理论和试题库建设的理论基础,提出了基于遗传算法完成自动组卷的一种新方法,该算法具有收敛速度快、自适应全局寻优和智能搜索技术等特点,很好地满足了自动组卷及试卷质量控制的要求.     

双角色主体间的私人闲置车位和需求者匹配模型

共享经济的兴起为解决城市“停车难”提供了思路.针对既在目的地附近有车位需求，又拟将自有车位共享出去的这类双角色主体间的私人闲置车位和需求者匹配问题进行了研究.根据匹配主体的可接受价格、时间窗和最大允许步行距离，分别计算其作为私人闲置车位供应者和需求者的区域热度优先级;构建了以平台收益最大、主体匹配数量最大和主体优先级最高为目标的多目标优化模型.通过改进的NSGA-II算法对该多目标优化模型求解，确定了私人闲置车位和需求者的匹配方案，并通过算例说明了所提方法的可行性.本文研究结果对开展私人闲置车位与需求者匹配问题的研究提供了参考.     

基于Tabu搜索的选题算法研究与应用

针对目前传统选题算法在大型题库中选题效率低、质量不高的情况,给出了一个多约束条件下的选题问题模型,提出基于Tabu搜索算法的选题算法。依据Tabu搜索算法的集中和扩散两个策略,避开局部最大值,以最短时间寻找最优解,从而满足组卷要求。实验结果表明,该算法能有效准确的满足从大型试题库选题,其收敛速度和选题质量都有显著提高。     

关于简单图最大匹配的矩阵算法研究

定义了简单图匹配边的匹配优先指数、竞争集、匹配余集及匹配余图等重要概念,从最大匹配的定义及匹配边与非匹配边的竞争关系着手,在图的关联矩阵基础上,提出了求无权简单图最大匹配的一种操作简单、编程容易的新算法——"表单作业法".     

改进的最大优先级指标方法

对程莹提出的最大优先级指标方法中会出现违反约束条件及偏向选择相对约束条件少的项目的情况进行改进,并通过蒙特卡洛模拟考察改进的最大优先级指标方法与原最大优先级指标方法之间的优劣,研究结果表明:改进的最大优先级指标方法在约束条件控制和能力估计的准确性方面均好于原最大优先级指标方法.     

单项选择题等价选项的信息熵分析

单项选择题是各种测试中广泛使用的题型之一,施测后对题目各选项的有效性做出判断可为评价测试质量提供重要的参考依据．由分析单项选择问题的信息熵人手,给出这类问题等价选项个数的计算公式,对等价选项个数的值域进行了讨论．     

基于网络传输增益-匹配经济指数的配电物联网载波通信匹配优化方法

在配电物联网的主从网络传输模式下,结合配电物联网的实际拓扑结构,提出一种基于WP-NMEI(网络传输增益-匹配经济指数)的配电物联网载波通信匹配优化方法。首先利用传输线理论及局部反射理论,推导主从网络模式下各载波设备间的匹配关系,验证了各从载波机间功率的可协调性;然后综合考虑网络传输增益与匹配经济指数之间的协调平衡,将配电物联网区域划分方法建模为非线性多约束条件下,基于WP-NMEI的0-1 整数规划问题;利用改进遗传算法求得配电物联网中继节点设立的最优解,将一个大的复杂配电物联网划分为若干个小的阻抗匹配区域网;最后在每个阻抗匹配区域网内使用粒子群智能算法进行匹配协调,避免网络模式下多通信节点间的功率浪费和阻抗失配问题。该方法匹配优化速度快,可移植性强,理论推导、仿真验证及实验室测试结果表明了该方法的可行性与有效性。     

基于多尺度模板匹配和部件模型的车牌字符分割方法

为提高车牌字符分割的准确率,提出了一种基于多尺度模板匹配和部件模型的车牌字符分割方法. 对单层车牌,根据车牌结构特征建立多尺度模板作用于车牌候选区域,通过投影得分估计出最佳模板对应的尺度和位置信息;对双层车牌,使用部件模型对双层车牌进行建模,双层车牌的上层字符区域和下层字符区域分别对应部件模型的一个部件,通过多尺度的模板匹配得到上下层部件的候选集合,利用部件模型中部件之间的几何约束得到最终的车牌字符分割结果. 实验结果表明,所提出的方法可以有效进行单/双层车牌的字符分割.      

染料拼色反射光谱的Bezier曲线建模方法

将单一染料染色反射光谱表示成由控制点和Bernstein基组成的Bezier曲线,分析单一染料质量分数与对应的Bezier曲线控制点之间的关系,建立单一染料染色反射光谱与染料质量分数的参数方程.根据多种染料拼色的机理,将多个单一染料染色的反射光谱Bezier曲线进行叠加,得到多种染料拼色的反射光谱Bezier曲线,并通过实际染色实验验证该方法的准确性.结果表明:当拼色染料的种类、质量分数和织物种类已知时,文中方法可以确定单一染料染色及拼色染色后布匹的反射光谱Bezier曲线和三刺激值,并预测布匹染色后与目标色的色差.     

履带车辆双侧电机驱动系统匹配设计

提出一种适用于履带车辆的双侧电机驱动系统匹配设计方法.针对不同路面直驶与转向中多个工况对内外侧履带的要求,获得单侧履带的动力需求特性.以最高车速与最大爬坡度为设计约束,参考现有电机参数,综合比较多种组合方案完成了电动机机械输出特性与两挡变速器的传动比匹配设计.性能校核与验算表明,匹配设计满足车辆性能指标要求,该方法已在该类车辆电驱动系统设计中成功应用.     

基于素数的多源模式匹配方法的研究

模式匹配是获取不同模式间语义关联关系的技术,是数据集成过程中的关键操作.随着可检索在线数据库数量的迅速增加,大规模的模式匹配工作的需要使多源模式匹配方法成为模式匹配领域研究的重点.针对现有多源模式匹配方法的缺陷,本文提出了一种基于素数的多源模式匹配方法,并提出了具体算法-PMSM.该方法将素数理论引入模式匹配过程中,使单纯的字符匹配转换为素数计算,提高了匹配效率,同时保留了现有多源模式匹配方法的优点.实验证明,PMSM切实可行.     

基于分群式粒子群算法的压裂水平井试井曲线自动拟合

为提高压裂水平井试井多参数自动拟合的计算精度、速度和稳定性,将传统方法、智能算法和并行算法相结合,提出并行分群式粒子群优化算法,并将高斯-牛顿法与粒子群算法相结合,同时采用OpenMP并行算法求解。结果表明:在粒子群优化算法中,通过粒子分群使粒子搜索方向趋近于线性,避免了粒子群算法易陷入局部最优的问题,加快了搜索速度;与高斯-牛顿法相结合保证了计算的稳定性;采用OpenMP并行算法求解降低了模型的复杂度,提高了计算效率;分群式粒子群优化算法比其他优化算法计算速度更快,计算精度更高,并可在一定程度上为多裂缝水平井试井解释划分流动阶段。