基于在线学习的学习行为分析与学习特征模型构建

本文基于某区域级K12在线学习平台的学习行为数据,提出了几个学生学习特征的计算思路,以期计算出学生的学习特征画像,为自适应学习系统提供学生学习特征数据。

基于混合特征学习数学模型的WSNs入侵检测研究

随着WSNs入侵方式的多样化,现有检测算法的准确性会显著下降,为此提出了基于混合特征学习数学模型的WSNs入侵检测方法。检测中先基于嗅探器定时获取传感器节点运行参数,并利用熵权法选取无线传感器网络节点混合特征因子,包括能耗率、丢包率、报文发送频率、报文接收频率,再从获取传感器节点运行参数中获得四个特征因子对应的数值。利用BP神经网络构建入侵检测数学模型,以混合特征因子数值为输入,确定WSNs入侵类型,以实现对WSNs入侵行为的精确检测。结果表明:基于强化学习的入侵检测模型,基于双向循环生成对抗网络的入侵检测模型相比,所研究模型应用下,F1-measure数值更大,由此说明该模型入侵检测更全面,检测结果更准确,模型的整体性能更好。

自适应学习系统中学习者特征模型及建模方法述评

文章主要通过文献分析法,总结归纳自适应学习系统中学习者特征模型的建模方法,研究国内外自适应学习系统及其中关键的模型——学习者特征模型,比较分析国内外学习者特征模型建模的异同,以期为自适应学习系统的研究和开发提供帮助。

鉴别性特征学习模型实现跨摄像头下行人即时对齐

为解决由于采用延后的关联算法而造成目标错误匹配和子序列漏匹配的问题,提出一种使用鉴别性特征学习模型实现跨摄像头下行人即时对齐的方法.首先基于孪生网络模型整合行人分类和行人身份鉴别模型,仅通过目标行人的单帧信息就可习得具有良好鉴别性的行人外观特征,完成行人相似性值计算;其次提出跨摄像头行人即时对齐模型,根据行人外观、时序和空间3个方面的关联适配度实时建立最小费用流图并求解.实验结果表明,在行人重识别数据集Market-1501和CUHK03上,行人分类和身份鉴别模型的融合能显著提升特征提取的有效性且泛化能力良好,性能全面优于Gate-SCNN与S-LSTM方法;进一步地,在非重叠区域的跨摄像头行人跟踪的基准数据集NLPR_MCT上,该方法的行人即时关联精度比2014年ECCV跨摄像头行人跟踪冠军的延后关联算法高出了3.3%,仅次于当前最高精度算法6.6%,应用于跨摄像头跟踪时,跟踪精度亦超过当前的大部分算法.

教育大数据背景下的学习者特征分析模型构建

促进学习者个性化学习与发展是教育信息化发展的核心诉求,构建学习者特征分析模型是个性化学习的关键。如何利用学习者的行为数据,准确分析其学习特征,了解并满足其个性化学习需求,是教育工作者需要攻克的难题。文章通过对学习者模型构建相关文献的分析,从静态数据、动态数据、动静态数据比对分析三个方面,构建了大数据支持的学习者特征分析模型,以促进学习者特征分析的准确性,为教师科学教学决策提供一定依据。

网络学习者特征初探

随着我国网络教育的飞速发展,网上教学逐渐成为远程教育的重要形式。与传统远程学习者相比,网络学习者的特征发生了一定变化,然而,当前大量网络课程的设计与开发却较少全面考虑网络学习者的新特征。为此,本文希望通过对国内外相关研究文献的梳理,归纳和总结出网络学习者的相关特征,从而为中国网络教学的实践提供参考依据,并为远程学习者的相关研究提供支持。本文首先对远程学习者特征进行文献研究,分析和改进了已有远程学习者特征分析模型,并以此为理论框架对网络学习者的特征进行分析,之后论文在文献综述的基础上讨论了成功网络学习者的特征。

基于本体的个性化智能答疑系统的设计

针对目前智能答疑系统存在着没有充分考虑学生个体差异性的现象,本文提出了一个基于本体的个性化智能答疑系统,利用本体构建专业领域知识库,使系统实现在语义层次上检索学生的提问,系统同时通过网络教学系统获取学生的学习行为特征,并以此为条件过滤系统检索的结果,以向学生提供适合其学习的答案集。经实验表明,本系统能提供较强的个性化智能答疑服务。