期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于关系-表征复杂性模型的数学应用题表征能力测验 被引量:11
1
作者 辛自强 张莉 《心理发展与教育》 CSSCI 北大核心 2009年第1期34-40,53,共8页
基于关系-表征复杂性模型,从每道应用题涉及集合关系的嵌套程度角度事前分析其关系复杂性,编制了难度序列变化的应用题测验,以考察问题表征能力。采用该测验测查了四至七年级共165名学生,考察事前分析的合理性及表征水平随年龄的变化。... 基于关系-表征复杂性模型,从每道应用题涉及集合关系的嵌套程度角度事前分析其关系复杂性,编制了难度序列变化的应用题测验,以考察问题表征能力。采用该测验测查了四至七年级共165名学生,考察事前分析的合理性及表征水平随年龄的变化。结果表明:(1)事前分析对两个事后难度指标(错误率和Rasch模型分析的任务难度)的解释率分别为73.7%、78.7%;该测验得分与测查思维水平层次变化的SOLO分类测验上的得分有较高相关(r=0.65)。(2)四年级的应用题表征水平显著低于五、六、七年级,其他三个年级差异不显著;而且随着问题关系复杂性的增加,年级差异增大。这说明基于关系-表征复杂性模型的事前分析是合理的,据此编制的测验能够测查表征水平随年龄的变化。 展开更多
关键词 关系-表征复杂性模型 等级复杂性 应用题测验 任务难度 表征水平
下载PDF
基于Lempel-Ziv算法与TOPSIS的水上交通流复杂性测度 被引量:5
2
作者 张明阳 张笛 +2 位作者 郭欢 付姗姗 黄亚敏 《交通运输工程学报》 EI CSCD 北大核心 2017年第1期109-118,共10页
为了定量分析并划分水上交通流的复杂性等级,提出了一种基于Lempel-Ziv算法与TOPSIS的水上交通流复杂性测度方法。运用Lempel-Ziv算法求得实测水上交通流时间序列和对比序列(周期序列、Logistic序列、Henon序列、随机序列)的复杂性特征... 为了定量分析并划分水上交通流的复杂性等级,提出了一种基于Lempel-Ziv算法与TOPSIS的水上交通流复杂性测度方法。运用Lempel-Ziv算法求得实测水上交通流时间序列和对比序列(周期序列、Logistic序列、Henon序列、随机序列)的复杂性特征值,采用TOPSIS得到各个序列的贴近度,根据对比序列的贴近度划分复杂性等级区间,按照水上交通流时间序列的贴近度和所在的复杂性等级区间来表征各个序列的复杂程度,并对长江口南槽航道的实测水上交通流进行复杂性测度。计算结果表明:船舶交通事故数量和下行标准船舶数量与船舶交通流时序复杂性贴近度的相关系数分别为0.698 1、0.769 2,变化趋势基本一致,表明贴近度的计算结果可以反映水域船舶交通流的复杂性;周期序列的贴近度为0.000 1,随机序列的贴近度为0.999 9,Logistic序列和Henon序列的贴近度分别为0.449 2、0.537 7,其值大于周期序列的贴近度,小于随机序列的贴近度;2013年7~11月水上交通流序列的贴近度分别为0.828 0、0.852 7、0.856 5、0.823 7、0.810 7,说明序列的复杂性基本一致;5个月的水上交通流序列的贴近度远大于周期序列的贴近度,处于随机序列和Henon序列的贴近度之间,更接近随机序列的贴近度,说明水上交通流系统不是周期与完全随机的动力学系统;5个月水上交通流复杂性的整体等级为1级,表现出高复杂性的特点。 展开更多
关键词 水运工程 水上交通流 Lempel-Ziv算法 TOPSIS 复杂性等级
原文传递
Low complexity robust adaptive beamforming for general-rank signal model with positive semidefinite constraint
3
作者 Yu-tang ZHU Yong-bo ZHAO +1 位作者 Jun LIU Peng-lang SHUI 《Frontiers of Information Technology & Electronic Engineering》 SCIE EI CSCD 2016年第11期1245-1252,共8页
We propose a low complexity robust beamforming method for the general-rank signal model, to combat against mismatches of the desired signal array response and the received signal covariance matrix. The proposed beamfo... We propose a low complexity robust beamforming method for the general-rank signal model, to combat against mismatches of the desired signal array response and the received signal covariance matrix. The proposed beamformer not only considers the norm bounded uncertainties in the desired and received signal covariance matrices, but also includes an additional positive semidefinite constraint on the desired signal covariance matrix. Based on the worst-case performance optimization criterion, a computationally simple closed-form weight vector is obtained. Simulation results verify the validity and robustness of the proposed beamforming method. 展开更多
关键词 BEAMFORMING General-rank Low complexity Positive semidefinite(PSD) constraint Model mismatches
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部