大学数学作业自动批改系统的设计与实践

通过信息提取技术、数据匹配技术与一次性人工处理相结合的方法,将数学主观题转化为树状选择题,并结合现代信息技术和网络技术,开发了大学数学作业自动批改系统,且在大学数学公共基础课的教学中予以了实践.此类系统解决了自动批改数学主观题的瓶颈问题,能够批改小学、中学和大学数学课程中的常规习题,如选择题、填空题、判断题、问答题、计算题、证明题等,可达到做完即批完的效果.还可以应用于数学教学的各个环节,如课前预习、课堂练习、课后复习、课外辅导、备考和在线考试等等.自动批改过程中采集的电子数据可用于数据分析、教学指导、教学研究和教育信息化的建设.     

用扩展巴科斯范式优化决策树协议解码技术

基于规则的入侵检测系统中存在误报、漏报率高,检测速度慢等问题,为此在协议分析的基础上,提出一种基于决策树的协议解码方法。该方法使用扩展巴科斯范式描述检测规则,给出推理规则的定义;提出构造最优决策树和增量决策树的算法;通过构造基于决策树的入侵检测系统,将该方法与简单模式匹配,与基于动态规则集、基于状态转换两种协议解码方法进行了比较。实验结果表明:基于扩展巴科斯范式的协议解码方法,在误报率方面比其他3种方法分别降低10.08%,0.1%,1.51%;在漏报率方面分别降低15.56%,3.68%,2.86%。     

电能质量扰动分类的决策树方法

提出一种新颖的基于决策树方法的电能质量扰动自动分类方法.该方法首先对采集到的扰动信号进行小波多分辨率分解,扰动信号在每个小波分解尺度的能量分布构成一个特征向量;然后利用CART决策树算法从这些特征向量构成的训练样本中自动提取相应的分类规则,得到决策树分类模型,并将该模型应用到电能质量扰动测试数据中.仿真结果表明所提电能质量扰动数据分类挖掘方法的有效性和鲁棒性.     

基于修正ID3的虚拟环境上下文规则生成算法

针对目前上下文规则生成方法通常是依靠人工定义的,提出一种修正的ID3算法用于虚拟环境上下文规则的自动生成.该算法先构建上下文决策树,然后再将此树自动转换成规则集.实验结果验证该算法在生成规则的有效性与计算效率上具有良好性能.     

一种基于模糊化决策树的分类算法

提出了一种基于模糊化决策树的自适应分类算法.介绍基于决策树的分类算法,指出训练样本分布不均匀或树剪枝操作都可能引起分类规则的不完全,导致分类出现"盲区".引入决策树的模糊化方法及分支(规则)激活度的概念,给出一种新的自适应分类算法.并用实例分析表明,该算法不仅解决了分类规则不完全的问题,而且也提高了决策树分类的精度及分类结果的可解释性.     

基于决策树构造神经网络的方法及应用

基于知识的神经网络KBNN(Knowledge-Based Neural Network)在提高神经计算性能方面效果显著,其构造方法基于已得的规则.利用决策树对数值数据的分割能力和神经网络准确的逼近收敛能力,提出了一种利用C4.5决策树从数据中自动提取规则生成神经网络的构造方法.该方法易于构造、收敛速度快、精度较高,在高速公路路面破损智能识别系统中使用效果良好.     

基于计算机辅助评价的主观题自动评测研究

对于主观题答案的自动测评研究一直是计算机辅助评价实施中的热点和难点问题。为了更好地发挥现有计算机辅助评价系统的功能,提出了一种新的评估方法来实现对学生提交的主观题答案进行自动评估。评价的执行需要建立一个由课程教师及有关专家编写的参考答案知识库,每个问题包括若干个参考答案。然后重点研究了如何将BLEU算法运用到评价中,并通过对n元组的处理,针对同义词及拼写错误等问题对算法进行了改进。利用改进的BLEU方法来确定与学生给出答案最相似的参考答案,并计算学生答案同选定参考答案的相似度,从而得出对该主观题成绩的评定。最后通过实验证明了该方法的有效性。结果表明,同现有的较为成熟的评价手段相结合,该方法可用于对主观题答案的测评,并能够在计算机辅助评价中发挥更为积极的作用。     

基于不可分辨关系的分类规则算法

决策规则是关联规则、决策树和粗糙集等方法挖掘的主要对象。提出了一种基于属性值重要性的挖掘决策规则的新方法,该算法将属性值重要性看成是可以分辨的元组对数,从其构造的决策树中得到的规则与ID3算法产生的规则是等价的,但该方法计算复杂度低。     

决策树学习方法应用于生境景观分类

遥感影像分类是进行景观生态学研究以及区域景观规划的基础工作,是获取环境资源与信息的主要手段。研究选取秦岭南坡地区100km2范围为实验区域,综合遥感影像、数字高程模型等空间数据,利用C5.0决策树学习算法从750个实地调查样点中自动提取分类知识、建立规则库并实现计算机自动景观分类;同时分析根据不同数量样点得到的决策树规则以及决策树分类精度变化的趋势。分析结果表明,在样点信息充分的条件下,利用决策树学习方法能够实现高景观分类精度;随着样点数量的增加,分类精度也随之提高,该研究中景观分类精度最高达到79.0%。     

二元组决策树模型设计

针对数据挖掘的一般应用，采用决策树的方法，建立了二元组决策树模型，给出了模型中的两类数据和六个操作的一般描述，模型的重点是决策树建立、决策树剪枝和规则集推导。     

于模糊数学评阅主观题的算法

通过分析人脑评阅主观题的思维方法,引入了贴近度和多指标综合评判的思想.基于模糊数学中单向贴近度的理论,设计并实现了一种评阅主观题的带权单向匹配算法.算例说明该算法能有效提高主观题自动评阅的精确度.     

基于决策树的智能虚拟人学习方法研究

决策树学习是以实例为基础的归纳学习[1].该类方法从一类无序,无规则的事物(概念)中推理出决策树表示的分类规则.该方法的起源最早来源于Hunt,Marin和Stone于1966年研制的CLS(ConceptLearning System概念学习系统).1979年,J.R.Quin-lan给出了ID3(Interative D icrem iser Versi     

基于模糊数学评阅主观题的算法

文章通过分析人脑评阅主观题的思维方法,引入了贴近度和多指标综合评判的思想,基于模糊数学中单向贴近度的理论,设计并实现了一种评阅主观题的带权单向匹配算法。算例说明该算法能有效提高主观题自动评阅的精确度。     

远程教育中测试与考试功能的模块化设计与实现

给出了一种远程教育网站中测试与考试功能模块化应用软件包的设计实现技术，这个模块功能分为两个部分：学生端使用部分和教师端使用部分。同时通过对学生端使用部分和教师端使用部分的界面的选择安装，实现客户自定义安装，从而获得实现网络测试或考试的功能和客户喜欢的软件应用界面，在考试题中主观题采用模糊匹配自动批改，该模块生成定制化安装软件包可以单独使用，也可与其他远程教育网站的应用模块集合在一起，共同生成一个应用系统软件安装包，通过该软件包的安装可以简单实现远程教育网站的建立和维护。     

基于决策树的土地分类方法案例研究

以鲁中地区为例,利用卫星遥感影像数据,探讨了基于决策树算法的土地分类方法,结果表明,基于决策树算法的土地分类方法可以自动生成分类规则,效率高,周期短,对于当前大面积土地综合利用的研究具有重要意义.     

一种参数可调的主观题自动阅卷实现

主观题自动阅卷长期束缚着计算机自动阅卷技术的发展．从分析主观题人工阅卷的思路人手,提出以关键词匹配为主、语意贴近度计算为辅的主观题自动阅卷方案．详细介绍了关键技术：自动分词技术、关键词匹配技术和语意贴近度计算方法．综合设计并实现了一种参数动态可调的主观题自动阅卷方法．     

一种电子文档的手写批改系统

基于Web的教学系统中,针对作业批改对于主观题批改不自然的问题,提出种在Word文档中进行作业手写批改的方法,并加以实现.方法首先应用VC编程工具获取手写批改的轨迹,然后把轨迹在Word中呈现.最后在Word文档中建立一个成绩区,利用字符的分割的识别技术对手写输入的成绩进行识别,并保存到数据库中,以利于后续的成绩管理工作.     

决策树分类算法研究

决策树分类算法是数据挖掘研究中的一个以样本数据集为基础的归纳学习方法，它着眼于从一组无次序、无规则的样本数据集中推理出决策树表示形式的分类规则，提取描述样本数据集的数据模型。讨论了决策树分类算法的基本原理，给出了算法的特性并通过一个实例给出了具体的使用方法。     

基于相似度融合算法的主观题自动阅卷机制

主观题自动阅卷可以通过计算文本相似度实现.本文从分析文本结构特征的角度出发,在Trie树搜索匹配理论的基础上提出基于相对距离的词序相似度算法,并通过统计回归方法将关键词相似度与词序相似度进行融合得到文本的综合相似度,从而实现主观题自动阅卷.最后,进行了实验,证明通过该方法可以实现在规定场景下基于文本结构特征的主观题自动阅卷.     

有判定的极小极大规则学习及其应用

使用粗糙集理论对训练集进行属性约简,再使用决策树算法得到决策树规则;然后,根据规则信息量及规则可信度的概念提出两条规则筛选准则,并将两条准则应用于极小极大规则学习方法,形成有判定的极小极大规则学习.将该算法应用于决策树规则的简化,缩小了简化的范围,并能保证规则覆盖的一致性,且可减少规则的总数量.