基于混合式学习的同伴推荐算法设计与实现

在互联网时代,结合线上学习和面对面传统教学的混合式学习成为大学生学习的重要方式。文章提出以同伴学习方式来弥补混合式学习中交互少、问题解决不及时等不足,并构建了基于学习者特征的同伴推荐算法。利用学习者相似度个性化推荐互补、相似型的学习同伴,以提高学习效率。实验基于真实、有效的学习者特征数据集,选取机器学习中常用的评价指标,验证了该推荐算法的有效性和准确性。

基于HMM的羽球动作实时识别

机器学习与人工智能的快速发展,在人体动作分析与识别领域发挥着日益显著的作用。论文采用粘贴在羽毛球拍柄的单个加速度传感器进行羽球动作的数据采集,使用滑动窗口进行击球信号提取,提出了动作分帧结合K-means等无监督式学习算法进行聚类分析和矢量量化。通过建立隐马尔科夫模型(HMM),改进训练算法对羽球动作进行高效识别。实验表明,论文所设计的系统对8种常见的击球动作进行实时识别,识别率可达94%。