认知评估中的属性关系

规则空间模型(RSM)及属性层级方法(AHM)是有较大影响力的认知诊断模型.在RSM与AHM中不可缺少属性及属性层级关系,属性层级关系为属性间的先决关系所诱导.但是,先决关系只考虑了属性之间的关系,却忽略了属性集之间存在的联系.该研究以先决关系为切入点,实例证明先决关系及其诱导的属性层级关系具有局限性,基于属性集,提出更具一般性的蕴含关系,使先决关系为其特殊形式,为当前认知诊断理论研究提供了新的研究角度.     

一种评判认知诊断方法有效性的新指标:真实判准率

该文提出了TPMR和TAAMR 2种真实判准率指标,用于替代现有评判认知诊断方法有效性的指标PMR与AAMR,并分析新旧指标的区别,随后比较参数和非参数方法在新旧指标上的表现以及高判、低判、错判情况,为认知诊断的实践提供理论依据.研究发现:(i)TPMR、TAAMR相比于PMR、AAMR而言,更能真实地反映认知诊断方法的有效性;(ii)TPMR、TAAMR在不同条件下表现均较为稳定,相比PMR、AAMR更能区分认知诊断方法的优劣;(iii)从高低错判的角度来看,PNN更适合于实践应用.     

认知诊断中如何利用关联规则对项目属性自动标识

利用属性层级关系（AHM）进行认知诊断的一个优点是有利于指导测验的编制和开发,但是在实际应用过程中由专家指定属性层级关系不利于题库的扩充。本文采用关联分析的方法,利用相关系数消除负关联现象,通过找出每个项目的子项目,对新增项目的属性进行自动标识。针对四种不同的属性结构进行实验模拟,结果良好。     

基于K2算法的属性层级结构学习研究

诊断测验所考察的属性之间往往存在某种层级关系,然而基于专家经验获得的属性层级关系易出现分歧或错误.该文将属性掌握模式作为输入,考察K2算法在不同阈值条件下学习得到属性层级结构的准确性.模拟研究和实证数据分析的结果表明:K2算法对属性层级结构的学习有较高的成功率,并且K2算法对于4种基本层级结构有不同的敏感性,其中线性型和发散型对阈值的敏感性较低,而收敛型和无结构型对于阈值的敏感性较高.     

多分属性层级结构下引入逻辑约束的理想掌握模式

多分属性比传统的2分属性提供更多更详细的诊断反馈信息,具有广阔的应用前景.在多分属性情境下,当属性之间存在层级结构时,会出现原2分属性情境下不存在的逻辑问题:如果被试仅低程度地掌握了父属性,那么他是否还有可能高程度地掌握子属性?从逻辑上讲,这种“父属性掌握程度低而子属性掌握程度高”的发展情况并不具有普适性.对此,该文首先在多分属性情境下,基于现有的计算理想掌握模式的方法提出了满足“属性掌握水平约束假设”的理想掌握模式计算方法.然后,通过模拟研究说明该逻辑约束的使用方法及忽略该逻辑约束可能对诊断结果带来的危害.     

基于不同CDM视角的CD-CAT题库建设

在CD-CAT题库建设过程中,选择合适的认知诊断模型(CDM)标定题库参数是一个关键的步骤.若一个题库均采用一个CDM来标定题库所有参数,则可能会造成模型资料失拟.提出了一种基于混合模型的题库建设思路,通过Monte Carlo 模拟研究验证了基于混合模型建立题库的效果,并与传统的基于单一模型的题库建设进行了比较,为CD-CAT在选用合适的模型方面提供了理论借鉴.     

属性掌握概率分类模型——一种基于Q矩阵的认知诊断模型

提出了一种属性掌握概率的分类模型,该模型基于Q矩阵,采用对属性掌握概率先估计后分类的方法,从而实现对考生知识状态的识别.在估计阶段提出一种属性掌握概率的估计方法,在分类阶段引进模糊数学的贴近度按择近原则判别法,并通过计算机模拟研究,发现该模型适用于总体的属性掌握概率服从左偏态分布和双峰分布的考生知识状态的识别.     

项目反应理论与认知诊断模型的参数估计:模型整合视角

将极大似然期望最大化(maximum likelihood estimation via the expectation maximization,MLE-EM)算法拓展到了广义诊断模型估计中,并详细描述了如何使用期望最大化算法计算模型参数的极大似然估计值.从理论上明确指出,在认知诊断模型中存在的2类参数,即项目参数和结构参数,都是从观察数据中自由估计获得的.据此对项目反应理论和认知诊断模型中所用的边际极大似然估计期望最大化(marginal maximum likelihood estimation via the expectation maximization,MMLE-EM)算法理论进行了澄清,指出以往一些研究出现错误结论的原因.最后从模型整合的视角上为后续的研究提出了4条建议.     

求关系模式全部主属性的有效算法

给出了极大同类属性集、极大本原同类属性集、属性依赖图等一系列概念及其与之有关的４个定理。在此基础上，提出了一种具有多项时间复杂度的求关系模式全部主属性的有效算法。     

一种基于时间相关属性的双时态改进模型

提出了一种改进的双时态关系模型,并给出了模型之上的插入、修改等相关操作. 该模型对时间相关属性和非相关属性明确地加以区分,满足了数据分析工作中时间相关属性针对性的需要,同时,可以加快一般情况下时态数据库的插入和修改的速度,并定义了类似于对象标号的主题标号属性“hostNo”,在一定程度上减少了查询中连接操作出现的频度,提高了效率.     

基于树型结构层次分析法的挖掘机故障诊断

介绍了机械设备故障诊断中树型结构层次分析的方法及树型结构的建树步骤与建树规则,以挖掘机故障诊断为例建立了整机系统及液压子系统故障树型结构层次分析诊断模型,对挖掘机故障诊断进行了定性分析与定量计算.     

基于知网语义相似度计算的特征降维方法研究

针对文本分类处理中的高维度问题,结合知网语义词典,提出了一种新的特征降维处理方法.通过计算特征词汇之间的语义相似度,将原有特征集分成若干特征词集;同一词集内的特征词语义彼此间相似;而不同词集的特征词彼此间相似度比较小.将同一特征词集内的词汇权重相加,从而突出同义词以及近义词对文本分类的贡献,并可以大大降低文本比较的特征维数.实验结果表明,利用该方法在文本分类中得到了较好的分类准确率和分类性能.     

属性蕴含Q矩阵理论的认知诊断模型

引入属性蕴含的Q矩阵理论扩展了传统Q矩阵理论.属性的先决关系是属性蕴含的特殊形式,寻找属性蕴含Q矩阵理论中合适的认知诊断模型具有重要的理论与应用意义.就满足属性蕴含的Q矩阵,视其为形式概念分析中的形式背景,形势背景诱导的概念格亦为认知诊断模型.研究成果可进一步丰富Q矩阵理论与方法.     

一种基于属性相关性度量的朴素贝叶斯分类模型

本文通过分析属性相关性的度量和属性约简,提出一种基于属性相关性度量的朴素贝叶斯分类模型EANBC。实验结果表明,与朴素贝叶斯分类模型相比,EANBC分类模型具有较高的分类正确率。     

基于属性层次模型的岗位工资排序

通过比较属性层次模型和层次分析法,阐述了属性层次模型的数学思想是球赛模型.基于这一思想,将属性层次模型应用于岗位工资管理,提出了一种科学、简便的决策方法,并结合实例分析它的应用效果,为科学管理岗位工资提供了新方法.     

复杂产品设计结构模型的节点属性层次研究

分析了复杂产品协同设计过程中的设计信息层次结构与表达方法.根据复杂产品设计时数据量大、多学科优化设计的特点,提出了二级树产品结构模型框架,用于描述复杂产品设计信息层次结构.基于学科分类,将属性节点扩展为属性树,有利于对各类信息的分类存取与管理.提出了两层树状结构的节点属性树.阐述了学科数据层的基本内容,分析了学科数据层与学科协同层的关系映射;提出了二级树结构模型的数据存储结构与节点数据的统一表示方法.实例分析表明,该结构模型有利于实现各学科信息分类管理,能够有效利用学科信息资源,提高复杂产品设计效率.     

基于克隆选择的粗糙集属性约简方法

基于免疫克隆选择的原理，提出了一种新的粗糙集属性约简方法，将属性集合的分类近似质量作为进化目标，利用免疫反应的分布性特点通过局部并行搜索实现全局优化，并采用抗体更新和亲和力抑制手段来维持群体的多样性，保证了各抗体局部优化解的稳定性，从而获得了多个优化约简集合，通过机械故障诊断数据的实例应用，表明该方法可以获得多个符合分类质量要求的属性约简集合，因此满足了设备故障诊断的特征优化选择要求。     

On a Reduction of the Kadomtsev-Petviashvili Hierarchy

Introduction Many (1 1)-dimensional integrable systems can be re- duced from the Kadomtsev-Petviashvili (KP) hierarchy, with the most typical examples including the Gelfand- Dickey hierarchy (N-Korteweg de Vries (KdV) hierar- chy)[1] and the so called con…     

基于可辨识布尔矩阵和分类系数的属性约简算法

为了增强粗糙集理论中某些概念与运算的直观性，分别给出了可辨识布尔矩阵和分类系数的定义．用分类系数简捷地描述了粗糙集中的相关概念与运算．提出了基于可辨识布尔矩阵和分类系数的快速属性约简算法．