连续SOM聚类的一致性分类算法

数据集的质量会极大地影响分类算法的精度,针对一类隐式互斥的数值型数据提出了一致性分类方法.借鉴连续函数的思想,提出了数值型连续数据的分类一致性定义;改进了SOM算法的计算过程,使其满足文中提出的分类一致性最优条件.通过改进的SOM方法得到一个新的聚类数据集,减少了原始数据集中容易出现的隐式分类不一致性问题,从而有效地提高了分类方法的效率和分类精度.通过在一个实际的数据集上的比较,表明提出的算法的预测精度明显优于其他算法.进而还从VC维的角度分析了提出算法的优点.

基于余弦相似度的分类定位一致性损失

主流的目标检测模型将检测分为分类和定位两个子任务,分类和定位各自具有独立的子网络,且在训练过程中采用互相独立的损失函数。这种模型结构和训练方式忽略了分类和定位之间的相互联系,使得模型预测的类别得分无法体现预测框的定位质量,进一步导致高定位质量的预测在非极大值抑制(NMS)阶段被低定位质量的预测抑制,损害了模型的检测精度。针对该问题,提出了一种一致性损失的概念,该损失通过在训练过程中约束模型预测的类别得分和定位质量的排名相似度,提升了二者的一致程度。基于FCOS-ResNet50模型与PASCAL VOC数据集,所提的损失函数能够提升约1.3个百分点的mAP_(0.5)、4.3个百分点的mAP_(75)和5.4个百分点的mAP_(90)。

认知诊断测验的属性分类一致性和分类准确性指标

分类一致性和分类准确性是衡量考试信效度的两个重要评价指标。基于项目反应理论下分类一致性和分类准确性指标,提出认知诊断测验的属性(模式)分类一致性和分类准确性指标,讨论分类一致性指标、分类准确性指标与属性估计误差之间的关系,并由属性掌握概率的估计标准误推导出属性分类准确性的上限。结果显示:属性(模式)分类一致性可准确估计重测一致性;分类准确性指标计算简单,可准确估计认知诊断测验的判准率。

复杂决策规则下MIRT的分类准确性和分类一致性

介绍多维项目反应理论模型下分类准确性和分类一致性指标,采用蒙特卡罗方法实现复杂决策规则下指标计算,并从数学上证明分类准确性指标两类估计量在均匀先验和相同决策规则条件下依概率收敛于同一真值。研究结果表明:分类准确性指标可以比较准确地评价分类结果的准确性;分类一致性指标可以较好地评价分类结果的重测一致性;在一定条件下,基于能力量尺的指标优于基于原始总分的指标;纵使测验维度增加,估计精度仍比较好;随着测验长度和维度间相关增加,分类准确性和分类一致性更高。指标可以用来评价标准参照测验或计算机分类测验的多种决策规则下分类信度和效度。

认知诊断属性分类一致性信度区间估计三种方法

引入了三种估计认知诊断属性分类一致性信度置信区间的方法:Bootstrap法、平行测验法和平行测验配对法。用模拟研究验证和比较了这三种方法的表现,结果发现,平行测验法和Bootstrap法在被试量较少、题目数量较少的情况下,估计的标准误和置信区间较接近,但是随着被试量的增加,Bootstrap法的估计精度提高较快,在被试量大和题目数量较多时基本接近平行测验配对法的结果。Bootstrap法的所需时间最少,计算过程简单,平行测验配对法计算过程复杂且用时较长,推荐用Bootstrap法估计认知诊断属性分类一致性信度的置信区间。

高校图书馆中文图书分类标引一致性问题探讨

分类标引准确,前后一致是图书分类工作的基本原则和要求。分类标引不一致表现为误差性不一致和选择性不一致两种形式。通过对部分"211工程"高校图书馆书目数据的调查,发现分类标引不一致问题较为严重,文章分析产生不一致的原因,提出在分类查重时利用"题内关键词"匹配检索词查找相关记录可有效防止"同书异号"现象,以达到分类标引一致的目的。

葛属植物基于形态学和rDNAITS分类的一致性比较研究

试验以来自不同地区的葛属(Pueraria DC)植物11个种质作为材料,基于其叶色、茎粗、茎节长、茎色、茎粗、茎被毛等9个形态性状进行形态学分类,并对11个种质的r DNA ITS序列进行克隆测序和序列比较分析,采用MEGA 6.0软件构建ITS序列系统进化树。结果表明,基于ITS序列和基于形态特征的分类结果虽有一定的相似性,但仍存在较大的差异。不同分类方法导致的结果差异可能与形态特征受其生长条件、性状的选取等多方面因素的影响有关,而基于r DNA ITS序列的分类结果更为可靠。

文献分类标引一致性研究

本文首先概括了文献分类标引中存在的种种不一致现象，并对这些现象进行了初步评价；然后探讨了影响分类标引一致性的主要因素；最后提出了控制分类标引一致性的主要措施。

基于多输出极限学习机的快速一致性分类器

一致性分类器是建立在一致性预测基础上的分类器,其输出结果具有很高的可靠性,但由于计算框架的限制,学习的时间往往较长.为了加快学习速度,首次将一致性预测与多输出极限学习机相结合,提出基于两者的快速一致性分类算法.该算法利用了极限学习机,能够快速计算样本标签的留一交叉估计的特性,极大地加快了学习速度.算法复杂度分析表明,所提算法的计算复杂度与多输出极限学习机的算法复杂度相同,该算法继承了一致性预测的可靠性特征,即预测的错误率能够被显著性水平参数所控制.在10个公共数据集上的对比实验表明,所提算法具有极快的计算速度,且与其他常用一致性分类器相比,该算法的平均预测标签个数在某些数据集上更少,预测结果更有效.

影响分类标引一致性的因素综述

从文献、分类法、分类标引制度、分类标引方式、分类目录组织等几个方面对近年来的分类标引一致性研究和一致性实践作了综述性归纳总结。全面分析了各种因素对分类标引一致性的影响。

关于标准参照测验分类一致性信度K指标评鉴标准的探索

汪小寅等．关于标准参照测验分类一致性信度Ｋ指标评鉴标准的探索．本文运用数理统计基本原理和方法，就教育测量中标准参照测验分类一致性信度Ｋ指标评鉴标准进行了初步探索。并在复本测验的情况下，给出了Ｋ指标的点估计。

基于分类误差一致性准则的自适应知识迁移

目前大多数迁移学习方法在利用源域数据辅助目标域数据建模时,通常假设源域中的数据均与目标域数据相关。然而在实际应用中,源域中的数据并非都与目标域数据的相关程度一致,若基于上述假设往往会导致负迁移效应。为此,该文首先提出分类误差一致性准则(CCR),对源域与目标域分类误差的概率分布积分平方误差进行最小化度量。此外,该文提出一种基于CCR的自适应知识迁移学习方法(CATL),该方法可以快速地从源域中自动确定出与目标域相关的数据及其权重,以辅助目标域模型的构建,使其能在提高知识迁移效率的同时缓解负迁移学习效应。在真实图像以及文本数据集上的实验结果验证了CATL方法的优势。

高中学业水平考试等级赋分的分类一致性和准确性研究

基于项目反应理论的Lee分数分类方法对高考改革试点省市两种等级赋分方式的分类一致性和准确性进行研究。发现在IRT模型下,分类一致性和准确性指数受等级数量、划界分数位置、测验分数分布等因素影响,分数分类的一致性和准确性随分数等级数量的增加和分数向等级临界点靠近而呈现降低的趋势,随分数远离分数密集区域和分数远离测验均值而呈现增加趋势。建议后续改革省市在设定等级时,保持适中的等级数量,根据分数分布设定划界分数,试题命制应充分考虑考试的分数分布。

试题信息函数对分数等级分类一致性和准确性的影响分析

在Rasch测量模型框架下,根据Rudner分类方法,对第三批高考综合改革8省份使用的5等级赋分方式进行等级分数分类一致性和准确性研究。研究侧重试题信息函数对分数等级分类一致性和准确性的影响,结果表明:构成测验的试题类型、试题数量、提供的信息量大小、信息函数分布等是影响分类一致性和准确性的重要因素,其中,试题信息函数分布和试题类型对分类一致性和准确性的影响更为显著。

分类管理应同社会组织功能相匹配

历史上形成的社会组织存在类型部门化、部门本位化、目的差异化、管理碎片化等缺陷,在一定程度上影响了政府管理的成效和社会组织的发展。为此,需选择中国社会组织一致性管理分类的元政策,运用法人分类、经济性分类、慈善免税分类等综合技术,构建社会组织正向功能与政府分类管理技术的匹配模式。

基于分类一致性的迁移学习及其在行人检测中的应用

利用迁移学习解决在特定场景下尤其是在摄像头静止的监控场景下的行人检测问题,提出基于分类一致性的学习模型。利用Boosting技术从辅助训练集中选择具有正迁移能力的样本,对样本迁移能力给出了基于辅助分类器分类一致性的熵度量方法。对比实验表明,该学习模型能够有效地提高检测率,尤其是在标记样本较少的情况下仍得到了较好的检测效果。

非参数认知诊断方法下诊断结果的概率化表征

非参数认知诊断分类方法非常适合课堂评估,其诊断结果采用0-1形式而缺乏概率化表征,不能精细地区分被试属性掌握程度的差异或变化,还缺乏可用于评价真实测验分类结果的信度和效度指标。要刻画被试属性掌握程度的差异,首要的问题是要为非参数认知诊断方法提供一种可以量化属性掌握概率的方法。针对此问题,基于二项分布和玻尔兹曼分布提出非参数认知诊断方法下诊断结果的概率化表征方法,并用于构建分类准确性和分类一致性指标。模拟研究与实测数据分析结果显示:概率化表征方法与非参数认知诊断方法的分类结果高度一致;概率化表征方法与认知诊断模型所得的属性掌握概率十分接近;概率化表征方法所得的属性(模式)掌握概率可用于计算属性(模式)分类准确性和分类一致性指标,在实际测验情景下可作为信度和效度指标,评价诊断结果的重测一致率和判准率。

Bootstrap区间估计在认知诊断模型误设中的应用

本研究提出综合考虑模型拟合指标与信度指标用于模型选择或评价模型误设,在五因素(3×3×2×2×2)实验设计条件下,比较Bootstrap区间估计的属性分类一致性信度平均数与标准误和常用的拟合统计量-2LL、AIC、BIC对正确模型的选择率。结果表明:-2LL在题目数量多的情况下表现较好,而AIC、BIC在被试量较大的情况下表现较好,在不同的研究条件下,-2LL、AIC、BIC的模型选择率很不稳定,而用Bootstrap法估计的属性分类一致性信度平均数和标准误在不同研究条件的模型选择率较稳定,总体表现较好。

多维标准参照测验下分数报告质量评价指标

标准参照测验主要关注学生在特定内容、知识或技能上的掌握程度和表现水平.分数报告中表现水平的分类信度和效度,通常采用分类一致性和分类准确性进行评价.首先介绍多维测验下的分类决策规则;然后介绍多维项目反应理论模型下3类分类一致性和分类准确性指标,一类是基于总分量尺的指标、另外2类分别是基于似然函数和信息矩阵定义在能力量尺的指标;同时还介绍了这些指标的作用;最后指出分类一致性和分类准确性可以用于评价标准参照测验子分数的分类信度和效度,还可以指导计算机分类测验选题和组卷.

教育认知诊断测验的信度和效度研究评述

信度和效度是衡量一个测量工具质量的关键指标,教育认知诊断测验中的信度和效度研究近年来受到研究者的关注。诊断测验的信度系数基本上源自基于α系数的属性信度系数、经验属性信度系数、四分相关系数、模拟重测一致性和分类一致性指标;效度系数主要包括模拟判准率、分类准确性和理论构想效度等。教育认知诊断测验的信度和效度研究较新,仍存在着一定的不足且缺乏全面的比较研究,更缺少系统的评价体系。