技能映射通过析取模型诱导的多分知识结构

基于程序性知识的评估,提出由项目自身的状态结构诱导多分知识结构的方法,以建立适用于问题解答的多分评估体系.首先,根据各项目的解答或操作步骤设定响应值集,通过项目状态转移函数定义项目状态空间;然后,用操作程序表示技能,由过程函数导出析取的技能映射;最后,讨论技能映射通过析取模型诱导的多分知识结构.结果表明：技能映射通过析取模型诱导的多分知识结构是多分知识空间.     

基于模糊多准则决策扩展方法的分模线选择和评估研究

针对在模具设计中选择和评估分模线的问题,提出一种模糊多准则决策(MCDM)的扩展方法。首先利用语言变量表示分模线备选方案的评级和准则重要性权值;然后,基于这些语言值求出最终模糊评估值的隶属函数;最后通过一种新型的最大最小集排序方法将规范化加权评级解模糊成清晰值;并对备选方案进行优劣排序。验证和对比实验表明了方法的有效性,与传统模糊多准则决策方法的比较表明,更具有适用性。     

一类极大极小不等式及其对拟变分不等式的应用

建立了一类新的极大极小不等式，并利用它们讨论了仿紧集上的拟变分不等式。     

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.     

一种基于点集体素的多质物体分界面提取方法研究

针对传统的等值面提取方法在提取超过三种以上材质的多质物体分界面时,无法一次性提取并保留分界面之间拓扑关系的问题,本文提出了一种基于点集体素的多质物体分界面提取方法.首先,对原始数据进行Gauss滤波去噪以求取Gauss权重矩阵,并基于权重凸显分界点,再通过球形邻域进行点集转换以标识分界点,进而达到分界点标识的目的.其次...     

基于灵活LBP纹理字典构造及多特征描述的改进SCSR算法

针对超分辨率重构字典对结构区分度不够、在最优匹配原子搜索中耗时太长的问题,提出了一种多特征联合的分级字典(MFJD).首先,分别用边缘块梯度特征和纹理块局部二值模式(LBP)特征来构建两种分类字典,用于逼近不同类型结构;其次,采用树结构来聚类原子,实现同一字典下的快速原子匹配;最后,引入双边总变分(BTV)正则项来约束重构结果.实验表明:与经典稀疏编码超分辨率重构(SCSR)算法相比,MFJD多特征联合的分级字典使重构图像的PSNR值提高了0.2424 d B,使平均结构相似度(MSSIM)和特征相似度(FSIM)分别提高了0.0043和0.0056;由于结构分类字典维数降低,重构时间降至SCSR算法的22.77%.     

基于对抗性策略的变分自编码模型

深度生成模型结合了生成模型与多层神经网络,在计算机视觉、目标检测、自然语言处理等领域得到广泛应用.变分自编码是一种重要的深度生成模型,通过多层神经网络对生成模型和后验概率分布的近似分布进行建模,得到目标函数的变分下界.变分自编码以其显式的生成模型建模方式及定量的下界表示形式受到研究者的关注.由于变分自编码中推理模型的表示能力有限,使得生成的图像精细度不高.本文提出一种基于对抗性策略的变分自编码模型,该模型通过在变分自编码模型的推理模型中加入随机噪声,提高推理模型的表示能力,同时引入对抗网络增加聚合正则化约束,进一步训练推理模型.通过在MNIST和Fashion-MNIST数据集上设计对比实验,表明该模型可以给出更优的变分似然下界,并生成效果更好的图像数据.     

加权期望残差极小化方法求解一类随机混合变分不等式

考虑有限维空间中的一类随机混合变分不等式,将求解随机混合变分不等式转化为加权期望残差极小化模型,并在一定条件下,通过拟蒙特卡洛方法得到了加权期望残差极小化模型的解.     

基于无向干扰图的大规模多输入多输出滤波器组多载波系统下行链路用户聚类

提出了一种基于大规模多输入多输出滤波器组多载波(MIMO-FBMC)系统下行链路的用户聚类算法.在用户组数量和用户数量随机的环境下,该算法将用户和用户之间信道向量的相关系数自适应地表示为无向干扰图,边的权重表示为相邻用户之间信道向量干扰强度,然后根据每个图的权重值之和与阈值比较进行分簇,仿真结果表明,在基站(BS)天线数量不同的情况下,该算法性能优于传统的用户分组方法,并降低了算法复杂度,提高了系统总和速率.     

拟单调广义向量变分不等式

在集值映射T：K→2^L（X,Y）是拟单调和弱上半连续的条件下,考虑了广义向量变分不等式强解存在的强制条件,证明了与广义向量变分不等式非奇异解非空等价的强制条件,同时提出使广义集值向量变分不等式解集非空的极小强制条件．     

知识状态的不同表达及其应用

知识状态可用可达阵R的列的布尔并表示,但表示方式不唯一,由此引出累赘表达式和简洁表达式的概念及其作用,并将某些结果推广到多值Q矩阵.     

多值Q矩阵理论

罗列了特殊多值Q矩阵与0-1可达阵的相互转换算法,给出多值扩张算法和多值理想反应模式的计算方法。在多值扩张算法的基础上,证明了在一定条件下,多值拟可达阵作为测验Q矩阵的子矩阵,可以使得多值的知识状态和理想反应模式一一对应,从而可指导多级评分认知诊断测验蓝图编制。     

多级评分认知诊断测验蓝图的设计——独立型和收敛型结构

定义了属性之间菱形层级结构的概念。在某种给定的评分方式下,假设属性之间没有补偿作用,讨论独立型、菱形层级结构对应的多级评分认知诊断测验蓝图设计问题,分别构造出相应的完备Q阵。     

多级评分认知诊断测验蓝图的设计——根树型结构

在某种给定的评分方式下,假设属性之间没有补偿作用,讨论多级评分认知诊断测验蓝图设计问题.根据图论,将J.P.Leighton等定义的线型、发散型、无结构型属性层级结构归结为根树型,构造出相应的完备测验Q阵,即是使知识状态与期望反应模式一一对应,且列数最少的测验Q阵.完备Q矩阵均受到测验Q阵的秩的制约.     

GDD-P在进位计数制中的应用

以“进位计数制”为测验内容,运用基于多级评分的广义距离法（简记为GDD-P）进行认知诊断,得到被试的属性掌握模式,这不仅验证了可以对多级评分测验进行认知诊断,且提供了一种多级评分认知诊断的应用范例。     

多策略的多级评分认知诊断方法的开发

多级评分可以提供更多的认知诊断信息,在对多级评分多策略实测数据进行分析的基础上提出多策略的多级评分认知诊断方法。考虑到被试使用解题策略和评分方式无关,给出一种先将多级评分转化为0-1评分,再采用0-1评分方式对策略进行诊断,最后使用多级评分诊断被试的属性掌握模式。实验结果表明了这种方法的有效性。     

多级计分题项目功能差异常用检测方法及比较

项目功能差异是确保测验公平的统计技术手段。多级计分题目为教育测量和心理测量中不可或缺的题型,而目前还未见有公开发表的文章较为全面地将常用多级计分题DIF检测方法作一概括,该文从参数类与非参数类2个视角对多级计分DIF检验方法进行论述与比较,为实践应用者在方法选用上提供借鉴及支持,最后对多级计分DIF检验进行讨论。     

多级计分的CD-CAT曝光控制方法

相对于0-1计分,多级计分考察的认知能力水平更高,能够提供更丰富的诊断信息,同教学实践更相符,而现有研究中鲜有基于多级计分的CD-CAT.该文提出了5种新的曝光控制的选题策略,分别是BSCDI_A、BSCTTID_A、BSCDI_D、BSCTTID_D和RP_PWCDI,将这5种方法同已有的PWKL和RP_PWKL进行比较,并尝试将这7种选题策略从0-1计分拓展到多级计分.研究结果表明:不管是0-1计分还是多级计分,采用统一量纲后的综合指标进行评价时RP_PWCDI(β=0.5)表现最好,题库使用均匀性各