融合习题难度和作答经验的深度知识追踪模型

针对现有的深度知识追踪模型缺乏对习题和学生特征信息综合考虑的问题，文章提出融合习题难度和作答经验的深度知识追踪模型(DKT-DE)。该模型通过分析作答序列评估习题的难度和学生的作答经验来丰富模型输入层的特征信息，从而提高模型的预测性能。最后，在3个公共数据集(ASSISTments2009、ASSISTments2015、ASSISTments2017)上，对DKT-DE模型与5个基线模型(BKT、DKT、DKT+、DKVMN、SAKT模型)进行对比实验和消融实验。对比实验结果表明DKT-DE模型能够更准确地评估学生的知识掌握状态：与基线模型中表现最好的DKT+模型相比，DKT-DE模型在ASSISTments2009、ASSISTments2015、ASSISTments2017数据集上的AUC平均值分别提升了2.78%、2.44%、1.5%。而消融实验结果进一步证明习题难度和学生作答经验对提升模型预测能力都起到了积极的贡献。     

基于3D-OMP算法的SAR动目标成像方法

针对稀疏场景下的SAR动目标成像问题展开研究，提出一种基于三维正交匹配追踪(3D-OMP)算法的稀疏成像方法。首先对成像区域进行网格划分，然后以运动目标的二维速度作为动态参数构建三维稀疏字典矩阵，即参数化稀疏表征。在算法迭代过程中，通过计算回波数据矩阵与三维稀疏字典矩阵各层之间的相关度筛选出信号的支撑集。最后利用最小二乘准则，计算出支撑集下目标场景的稀疏表征系数。该3D-OMP算法是经典OMP算法的改进与拓展，因此继承了OMP算法计算复杂度低、信号稀疏特征增强明显的优势，同时具备了重构SAR动目标图像的能力。仿真实验结果验证了该SAR动目标成像方法的有效性。     

基于残差向量l1范数最小化与基追踪的多元线性 模型参数估计方法

本文提出了多元线性模型参数估计的最小l1范数解的一种新方法。该方法分为4步： 首先将参数估计问题描述为由观测数据确定的超定线性方程组的形式；然后利用最小l1残差向量 将l1范数最小化问题转化为一个有约束的不可微最优化问题；接下来利用基追踪方法求得最小l1 残差向量的稀疏解；最后求解相容线性方程组得到原方程组的最小l1范数解。对于系数矩阵存在 秩亏的情况，采用 Moore-Penrose广义逆进行了有效的处理，这极大地扩展了算法的适应性。数值 算例表明该方法具有良好的鲁棒性与很高的数值精度，并且容许较高的临界外点比例。     

GameOJ:一种编程能力感知的游戏化在线评测系统

编程能力是计算机相关专业学生的核心能力，对学生编程能力的培养是计算机教育领域一直关注的重要问题。在线评测系统(OJ系统)具有高效、公平和客观的特点，已成为锻炼学生编程能力的重要工具。然而，目前OJ系统仍存在以下局限性：首先，大多数OJ系统没有对学生编程能力进行知识点级别的感知和量化，导致系统适配给学生的编程题难度和学生的编程能力通常不匹配；其次，大部分OJ系统缺乏对激励策略的研究和设计。这些局限性会给学生编程动机的提升和编程能力的巩固、提高带来负面影响。鉴于此，文章设计并实现了一种编程能力感知的游戏化在线评测系统(GameOJ)。该系统采用改进的贝叶斯知识追踪模型(CC-BKT),对各个编程知识点关联的学生编程能力进行细粒度的感知和量化，同时引入了游戏化思想来设计OJ系统中的激励策略，包括游戏化元素设计和游戏化编程挑战流程设计，旨在提升学生的编程学习动机。目前，GameOJ系统已在广西大学多个计算机专业的教学班中进行了部署和应用，并收到了众多来自教师和学生的积极反馈。     

绘制最大包围等值线算法

提出了全方位追踪当前等值点的所有可能前进方位的算法，并使用该算法采用Ｃ语言编程绘制了区域大气污染物地面长期平均浓度最大包围等浓线。实际应用证明，该算法具有简单易懂、可靠及实用等特点