画法几何标准化试题库及其管理系统

运用思维科学关于空间形象思维的理论及教育测量学标准化试题命题的理论,建立了画法几何课程的教育目标体系及其标准化考试的大纲——双向细目表,并进行了试题九个参数的统计,在SUN386微机上利用汉字dBASEⅡ和AUTOCAD建立了试题数据库、试题图形库、试题试卷参数库、学生成绩库,并设计了一套管理程序,能作到计算机整卷编辑输出,单题输出组卷及调现成试卷输出。     

考试成绩与试卷质量的分析研究

运用经典测试理论及数理统计方法 ,对试卷质量指标进行了合理分析 ,阐述了考试成绩与试卷质量的关系 ,指出好试卷应该是难度适中 ,区分度好 ,能客观反映学生的实际水平 ,具有较高的信度和效度的 ,试题应该先易后难 ,题型多样 ,试题具有代表性 ,覆盖面广 ,题量较多 ,分值要小 ,统筹兼顾。提出考试后要及时对考试成绩及试卷进行合理分析 ,总结反馈信息 ,寻找教学中存在的问题 ,筛选优良考题 ,不断完善考试工作。     

识别中考物理题中的“陷阱”

分析中考试题,你会发现有一类试题题干中暗藏着"陷阱",同学稍不留神就会中了圈套,导致错解。如果识别了这个陷阱,问题就会变得简单。     

分析试题质量，促进命题科学化──考试改革研究之一

要实现命题科学化，首先要对试题的质量进行量化分析，找出存在的问题，逐步调整试题的难度和区分度，达到整个试卷有良好的信度和效度。本文对北京农学院的１３５门主要课程，逐题进行了统计分析。结果发现，试题偏易，区分度较小，试题数量偏少。知识覆盖面偏窄，评分受主观因素影响较大等问题，导致近半数课程的分数为偏态分布。据此，提出５条修正试题试卷的意见，期望使命题工作走上科学化、规范化的轨道。     

一种玉米雄穗图像识别算法研究

针对复杂的玉米田间图像,提出了一种玉米雄穗识别算法。该算法在HOG/SVM算法的基础上进行改进,为了弥补HOG特征只表现图像的轮廓特征这一缺点,分别提取待测图像块的颜色特征、轮廓特征和纹理特征,并送入提出的组合级联SVM分类器中进行判别。该SVM分类器是由2级SVM模型组合构成的,并使用大量经过人工标注的雄穗图像和背景图像为样本训练而成。综合考虑分割结果和性能评价,雄穗成功识别率为83%,该方法能很好地识别玉米雄穗,适用于复杂田间玉米雄穗图像的分割。     

水产养殖知识考试系统随机组卷算法的实现

水产养殖知识考试系统基于浏览器/服务器结构,采用基于随机算法抽题,试题库中的试题以单个试题的形式存放且不形成成套试卷,按题型、难度、区分度、题分、知识点等分别进行分类管理。考生按考题要求完成通用浏览器向服务器传送,该系统使用类和对象对考生上传的文件进行实例化,从中读取相应属性进行判分,再把最终分数写入考生成绩数据库中。     

利用电脑设计与建立英语题库

利用电脑设计与建立英语题库是实现标准化考试的有效手段之一,笔者大量收集了的听力,词汇,改错,阅读及写作等五个方面试题,利用IBM/P以C微机,通过数据库管理系统DBASEⅡ,进行编辑,比较,存储,检索,计算,打印及设计试卷,设计与建立了—个英语试题库,同时笔者利用设计出的试题进行了两次测试试验,从统计学的角度对分数分布,试题效度及信度3个标准进行检查,均达到指标要求。该试题库可试行用于农业院校硕士生通过试。     

基于遗传算法和支持向量机的储粮害虫图像识别

建立支持向量机（SVM）模型,用遗传算法自动选择最优的核函数参数,利用该SVM与遗传算法相结合的新型算法对储粮害虫图像进行分类识别。结果表明,该方法所确定的SVM对储粮害虫具有较优的识别率,其整体性能优良。     

基于光谱技术识别不同农药污染脐橙的研究

用遗传算法(Genetic Algorithm,GA)搜寻可识别被不同农药污染脐橙的可见/近红外光谱的最佳特征光谱区间及波长,并建立了支持向量机(Support Vector Machines,SVM)定性分析模型.实验供试农药为灭多威、氰戊菊酯和氧乐果3种.通过GA来搜寻整个波段范围(460～1 800 nm),将得到的9个最佳特征光谱区间所包含的波长(共318个)作为SVM建模的输入变量,对识别被3种农药污染脐橙的准确率为100%.并继续应用GA优化,得到71个特征波长,此时建立的SVM模型的识别准确率为99.57%.虽然识别的准确率有所下降,但是模型的复杂程度得到了很大的优化,其输入变量减少到71个.实验结果表明利用可见/近红外光谱技术结合SVM方法可以有效识别被不同农药污染的脐橙.     

基于PCA-SVM的砂砾岩岩性识别

利用测井资料识别岩性实质是建立非线性数据模型的过程。表征复杂岩性的测井曲线相似度较高,对岩性识别存在一定的干扰,为此提出一种基于主成分分析(PCA)和支持向量机(SVM)的砂砾岩岩性识别预测模型:通过主成分分析对预处理后的测井数据进行主成分提取,利用提取的主成分建立支持向量机岩性识别预测模型。将测试样本数据输入模型中进行自动分类,最终该方法的岩性识别正确率达到87.07%。应用结果表明,将主成分分析与支持向量机相结合,在降低数据维度的同时,提高了岩性识别准确率,是一种实用且有效的识别复杂岩性的方法,具有一定的推广和应用价值。     

基于迁移学习的竹片缺陷识别

使用竹片图像实现竹片缺陷自动识别，目前深度学习可以有效地解决该类问题，但是必须使用大量样本数据做训练才能获得较高的识别准确率。当图像数量有限时，利用基于迁移学习的方法，把经过预训练的卷积神经网络模型进行迁移，即共享卷积层和池化层的权重参数，调整新网络模型的超参数，并建立一个包含4种共计6 360张竹片缺陷图像的数据库，把图片分成4种训练集测试集形式，即80%训练、20%测试；60%训练、40%测试；40%训练、60%测试；20%训练、80%测试，分别利用支持向量机SVM分类方法、深度学习方法和迁移学习方法进行训练和测试，并将这3种方法作对比。最后，通过构建竹片缺陷识别的混淆矩阵对迁移学习进行具体分析与说明。结果表明，按照80%训练、20%测试的识别准确率最高，通过迁移学习得到的竹片缺陷最高识别精度分别达到98.97%，比普通深度学习提高了11.55% ，比SVM分类方法提高了13.04%。说明迁移学习比普通深度学习和传统支持向量机SVM分类方法更适合用于小样本数据集的分类识别，并且效果优于普通深度学习和 SVM 分类方法。     

中考理综试卷结构

今年中考理综试卷试题主要按照题型兼顾内容和难度进行排列，同一题型中同一学科的题目相对集中；同一题型中同一学科内的题目按由易到难的顺序排列。题型题量及试卷结构相对稳定。     

基于J2EE试卷管理系统的设计

为解决学校考试试卷的编辑的科学性和规范性问题,设计了一种具有试卷管理系统。采用可视化网页编辑工具Dreamweaver开发网页页面,J2EE平台构建B/S结构的试卷生成,My SQL关系型数据库管理系统作为网站数据库,并使用HQL语言通过Hibernate对数据库进行访问和编辑,利用Tomcat作为开源服务器,表现层技术为JSP,通过Struts获取并拦截JSP请求页面参数,通过Jacob调用Word宏向各表格中输入特殊字符。该系统包括用户登录注册、试题编辑、试题查询、试卷信息设置、试卷生成等功能。试卷试题的类型可动态增减,生成的电子版试卷可直接打印,从而使得教学工作更加合理和快捷。     

改进的图半监督支持向量机用于P2P网络流识别

对于机器学习在P2P网络流识别中需要大量标记训练数据的问题，提出一种基于改进图半监督支持向量机的P2P流识别方法。采用自动调节的高斯核函数计算少量标识数据和大量未标识训练样本之间的相似距离以构建图模型，并在标记传播过程中嵌入训练样本局部分布信息以获取未标记样本的标识；在此基础上使用所有已标记样本对SVM训练实现P2P网络流识别。实验结果表明该方法能够兼顾整个训练样本集的信息，在提高SVM识别精度的同时，极大降低了人工标记训练样本的成本。     

基于分层卷积神经网络的冬枣果实病害识别方法

冬枣皮薄肉脆,富含维生素C和矿物质,深受消费者喜爱.但冬枣病害种类繁多,采用传统人工检查的方式成本高、效率低,严重制约了冬枣的产业化发展.使用传统计算机视觉的冬枣病害识别方法其准确度在很大程度上取决于人为选择的特征是否合理,具有较大的不稳定性.为了解决该问题提出一种基于分层卷积神经网络(HCNN)的冬枣果实病害识别方法.HCNN包括三个结构相同的CNN(卷积神经网络)和一个支持向量机(SVM)分类器.在进行识别的过程中,首先将原始冬枣果实病害图像的RGB、HIS和Lab三种图像分别输入HCNN的三个CNN;然后在分类层将三个CNN得到的特征图整合为一个特征向量;最后通过SVM分类器对病害图像进行分类.该方法能够自动地从冬枣果实病害图像中提取到有效的特征,不需要人工设定特征提取方法.在果实病害图像数据集上进行一系列实验,平均识别准确率达90％以上.实验结果表明,该方法充分利用图像不同颜色的特征,能够实现精确、稳定和高效的冬枣果实病害类型识别,为冬枣果实病害防治系统的发展提供参考.     

基于NIR-SVM对鸭梨褐变病果的识别

本文针对水果内部品质评定分类存在主观性强和一致性差的特点,提出了一种新的鸭梨褐变识别分类方法,该方法是利用近红外光谱仪获取正常鸭梨和褐变鸭梨近红外光谱并对其进行分析的基础上,应用支持向量机(SVM)算法的识别原理建立正常鸭梨和褐变鸭梨的分类识别模型。在多项式核函数下对试验样品的识别准确率为95%。研究结果表明NIR-SVM用于对于鸭梨褐变病果的无损检测识别是可行的。     

通用试卷设计系统GTPDS

ＧＴＰＤＳ是１个开放式试卷设计系统，它适用于有图型和专业符号要求的所有课程的试卷设计需要。在该系统中可进行多门课程的试卷设计。本文叙述了试题库的建库和管理模型，试题设计和试卷设计模块的结构与功能。     

基于Web试题库管理系统的研究与开发

介绍了基于Web的试题库管理系统。该系统能够实现专家网上发布试题，建立题库，做到分科目、分层次由计算机自动选题组成试卷和手动选题组成试卷，同时具有网上更新题库、网上管理题库等功能，并且保证试题库安全、可靠。本文中笔者阐述了该试题库的功能、总体设计、软件特点及试题库所要解决的几个主要问题。     

基于小波分析的红虫识别

提出了一种能量特征与支持向量机(Support Vector Machine,SVM)相结合的红虫与水中浮游生物图像识别方法.把小波能量特征加入到原始图像中,再用Fisher线性判别法进行特征提取,同时提取图像的三层小波分解后系数的数学特征和图像颜色调和熵构造特征向量,然后采用SVM进行识别.通过对红虫及浮游生物的分类进行实验,验证了该方法的有效性,获得较高的识别率.     

通用试卷设计系统GTPDS

ＧＴＰＤＳ是１个开主式试卷设计系统，它适用于有图型和专业符号要求的所有课程的试卷设计需要。在该系统中可进行多门课程的试卷设计。本文叙述了试题库和管理模型，试题设计和试卷设计模块的结构与功能。