基于Django+Ajax的Web系统数据安全防护与实现--以丽江文化旅游学院智能出卷系统为例

随着信息技术的快速发展和广泛应用,Web系统已经成为当今社会中信息交流、商业活动、社会服务等方面的重要载体,也是提高工作、学习效率的高效工具。然而,这也使得Web系统面临着来自各方面的安全威胁,如黑客攻击、数据泄露、恶意软件等。因此,在系统开发过程中,确保信息安全至关重要。丽江文化旅游学院智能出卷系统是基于Django框架和Ajax技术开发的Web系统,在系统设计开发中,运用了数据加密技术和Python中的参数化查询技术,保证了数据在网络传输过程中的完整性和保密性。

基于改进蝗虫优化算法的智能组卷策略

针对传统组卷策略组卷时间长、试卷质量低等问题,本文提出了一种基于改进蝗虫优化算法的智能组卷策略。首先,综合知识点覆盖率、难度系数等因素,建立多目标评价模型;其次,将试题组合方案编码为蝗虫个体,通过蝗虫优化算法寻找最优组合方案,引入最优导向与随机竞争策略更新个体位置,以增强算法全局搜索能力;结合模拟退火思想,以使算法有能力跳出局部最优;引入余弦自适应函数调整搜索步长,以提升算法收敛速度。根据最优试题组合方案,生成一套高质量的试卷。实验结果表明,基于改进蝗虫优化算法的智能组卷策略与PSO-GA相比,组卷时间降低了52%,适应度提升了19%;与传统蝗虫优化算法相比,组卷时间降低了30%,适应度提升了14%。

遗传算法在智能组卷系统中的应用研究

为更好地解决遗传算法在智能组卷过程中出现的早收敛问题,以及组卷质量和组卷速度呈负相关的问题,提出一种基于分段整数编码、多点交叉的遗传算法.通过大量实验,有针对性地对该算法中的编码结构、选择算子、交叉算子和变异算子进行优化设计;对相关控制参数进行合理调整,实验结果表明,该算法不仅有效地提高了组卷质量和组卷速度,而且具有很好的收敛性.

题库系统智能成卷理论和组卷方法研究

分析了组卷目标要求,建立了智能组卷系统问题求解的理论模型。结合组卷问题求解领域知识与专家选题思想,提出了一种基于自适应混合进化机制的智能组卷方法,采用了基于题型的分段编码、段内进化算子、误差加权适应度评估方法。通过实例分析,实验结果表明所提出的新组卷方法具有组卷成功率高和组卷速度快的优点。

集合随机抽选法在智能组卷中的研究

提出了一种基于集合的随机抽选的智能组卷算法,该算法是以集合论为基础,将智能组卷的要求形式化,将满足要求的试题组成试题库集合,采用集合随机抽取算法进行试题组卷。该算法与传统的组卷算法在生成试卷的效率上进行了比较,同时针对由算法所引起的修改操作困难提出了解决方法。将用户的组卷要求用集合的形式描述出来,满足要求的试题被组成试题库集合,采用集合随机抽取算法进行自动组卷。

试题库系统设计及对题量问题的讨论

本文通过对已开发成功且使用多年的试题库系统的介绍 ,表述了该系统的主要功能和特点 ;而后着重对试题指标体系的设定及组建题库的原则作了重点讨论 。

基于改进遗传算法的智能组卷方法

组卷问题是一个多约束多目标优化问题。建立了一种新的试卷矩阵数学模型,提出了改进的遗传算法编码方式,并通过改进初始群体的产生方法和遗传算子,有效提高了遗传算法的收敛速度,并较好地避免了局部收敛现象。实验结果表明,在试题库试题数量适中、分布合理的情况下,本算法产生的试卷能够很好满足各项组卷指标。

基于自适应算子的遗传算法多目标智能组卷

利用ADO.NET实现了SQL Server 2000中试题库的编辑功能,开发了题库管理软件系统框架。在遗传算法的基础上,提出了一种改进的智能组卷方法,有利于提高进化速度,避免陷入局部最优。实例分析表明,该方法具有较好的智能组卷性能。

分布式遗传算法在智能组卷中的Web services实现

研究了分布式并行遗传算法的智能组卷问题。设计了在校园网范围内的分布式Web服务的组卷系统,通过多线程的软件结构实现了Web服务之间的相互调用及反馈机制,采用基于Base64的预先基因压缩方案来提高SOAP性能。仿真试验证明了分布式Web服务的组卷系统不仅可以极大地减少组卷时间、具有良好的容错能力,同时也能一次生成多套试卷,为构建B/S模式下的机器考试系统提供了依据。

基于优化遗传算法的智能组卷系统研究

智能组卷技术是计算机无纸化考试系统中一项必不可少的重要技术,而改进组卷算法和提高组卷质量已成为当前的研究热点.重点分析研究组卷算法,通过建立组卷数学模型,结合遗传算法理论解决考试系统中的智能组卷问题.在选择算子中采用适应度排序在前一半的个体进入下一代的繁殖;在交叉算子中采用最优保持策略;在成卷前调整试卷知识点的分布.使组卷算法在不同的要求下都能得到较为满意的效果.智能组卷在通用计算机考试系统建设中具有较高的应用价值.

基于题库信息的智能组卷算法

在分析了现存的智能组卷算法的基础上,提出了基于题库信息的智能组卷算法,算法通过对题库中试题信息的充分利用,有效的提高了组卷成功率和组卷的质量。

自适应遗传算法在工程训练在线考试中的应用

在工程训练中心车间信息化实现的基础上,针对工程训练管理系统中考试模块现有组卷方式所带来的抽重复题、组卷效率低下等问题,以满足在线考试的实时性要求。为此,给出一种改进的遗传算法,采用分段整数编码,改进初始种群的产生方法,有效提高了算法的收敛速度,并自适应调整遗传算子,在进化过程中增加去重题策略及最优个体保存机制,维护了种群多样性,保证了运算结果的质量。实验结果表明,该算法不但解决了系统组卷原有的问题,在迭代次数、运行时间和组卷精确度上均明显优于随机组卷法和简单遗传算法。

基于专家系统的工程制图试题库智能组卷系统

为满足出题教师的考察要求,提高自动组卷方式的实用价值,建立基于专家系统的工程制图试题库智能组卷系统,阐述智能组卷专家系统的设计、组卷算法及评估方法等技术.该试题库界面友好、修改方便,所组试卷具有合理性和实用价值.

基于知识点题型分布和分值的智能组卷算法研究

首先介绍了试题库的结构与建立 ,在试题库中根据知识点把所有试题进行了划分 ,同时说明了组卷控制参数知识库的结构 ,论述了由知识点的教学要求利用组卷控制参数知识推出知识点题型分布和优化调整知识点难度系数的推理机制。在此基础上 ,较详细地阐述了基于知识点的智能组卷算法及该算法应用于“全国注册建筑师考试系统”的智能组卷过程。

基于层次分析方法与人工鱼群算法的智能组卷

针对已有智能组卷方法难以满足考核要求,设计了一种基于层次分析方法与人工鱼群算法的新方法。首先根据试卷总分、考试时间、章节分数、知识点分数、题型分数、能力层次分数、试卷难度与试卷区分度八个考核要求建立多目标、多约束组卷模型;然后利用层次分析方法确定各组卷目标的权重,进而通过线性加权求和将多目标规划模型转换为单目标规划模型;最后利用改进的人工鱼群算法求解模型得到最优组卷方案。该方法适用于单套组卷与多套组卷。同时,讨论了该方法的优缺点以及发展趋势。

智能CAI软件的设计和实现

本文从计算机辅助教学(CAI)的发展现状及存在的主要问题出发,提出了具有动态跟踪和智能引导功能的智能CAI软件的设计思想,并详细介绍了实现该软件的主要技术。

多约束分级寻优结合预测计算的智能组卷策略

针对智能组卷中多约束制约降低组卷成功率且难以实现知识点自动均匀分布的问题,提出一种多约束分级寻优的策略,通过分级降低问题规模,利用树形结构管理知识点实现知识点均匀分布;针对中小型题库组卷成功率低的问题,在分级寻优中针对章节约束和题型约束提出了一种基于预测计算的无回溯的智能组卷算法,提高组卷成功率。实验测试表明,算法适用于大、中、小型题库,均能得到较理想的组卷结果。

基于蚁群算法思想的智能考试系统模型研究

针对传统考试耗时耗力等缺点,提出基于解离散优化问题蚁群算法思想的智能考试系统模型。该模型从智能考试系统的需求出发对蚁群算法的信息素初始值的设定进行了探讨并改进了更新规则,将考试结果反馈给系统,从而不仅有效解决了自动组卷问题,而且系统具有了自主学习能力,使其能够更智能化地改进系统性能。经检验,该系统具有组卷速度快且选取试题重复率低等优点,算法有效可行,借助该系统组织的考试能够达到预期目标。

智能组卷系统试题库结构的研究

在分析了传统的组卷系统的组卷算法及相应的试题库结构的基础上 ,基于遗传算法提出了一种新的试题库结构 ,并给定具体结构的确定方法。实践证明 ,这种结构下的试题库很好地配合遗传算法实现了智能组卷 ,并且系统效率更高 。

新型组卷策略的研究与实现

结合国内远程教育中考试系统的开发经验,对目前常见的几种传统组卷策略进行了分析和研究。在与相应的试题库结构组合的基础上,提出了一种新型组卷策略,该策略能够克服传统组卷方法存在的不足。该系统以ASP.NET技术为开发环境,采用B/S模式代替传统考试系统的C/S模式。实践结果表明,该策略实现了智能化考试,真正实现了自适应远程教育的目标。而且在功能上具有更高的可靠性、有效性、数据冗余度小等特点,为现代远程教育做出了一定的贡献。