排序方式: 共有24条查询结果,搜索用时 224 毫秒
1.
个性化试题推荐、试题难度预测、学习者建模等教育数据挖掘任务需要使用到学生作答数据资源及试题知识点标注,现阶段的试题数据都是由人工标注知识点。因此,利用机器学习方法自动标注试题知识点是一项迫切的需求。针对海量试题资源情况下的试题知识点自动标注问题,本文提出了一种基于集成学习的试题多知识点标注方法。首先,形式化定义了试题知识点标注问题,并借助教材目录和领域知识构建知识点的知识图谱作为类别标签。其次,采用基于集成学习的方法训练多个支持向量机作为基分类器,筛选出表现优异的基分类器进行集成,构建出试题多知识点标注模型。最后,以某在线教育平台数据库中的高中数学试题为实验数据集,应用所提方法预测试题考察的知识点,取得了较好的效果。 相似文献
2.
3.
4.
宏观经济预测模型体系研究 总被引:4,自引:1,他引:3
针对我国宏观经济管理的实际需要,以国家和地区宏观经济中长期预测和规划为研究目的,本建立了一个以投入产出模型和人工神经网络模型为核心,结合使用最优化技术的宏观经济预测模型体系,该预测模型体系已应用于某市“十五”时期的宏观经济指标测算中,预测结果已被政府计划部门在研究制定“十五”计划时采用。 相似文献
5.
基于ICA的时间序列聚类方法及其在股票数据分析中的应用 总被引:1,自引:0,他引:1
时间序列聚类分析是时间序列数据挖掘中的重要任务之一,通常由于时间序列数据的特殊结构,导致一般的聚类算法不能直接应用于时间序列数据。本文提出了一种基于独立成分分析与改进^一均值算法相结合的时间序列聚类算法,该算法首先利用独立成分分析对时间序列数据进行特征提取,然后利用改进£.均值聚类算法完成对时间序列特征数据的聚类分析,从而得到了一种新的基于特征的时间序列聚类方法。为了验证该方法的有效性和可行性,将其应用于实际的股票时间序列数据聚类分析中,取得了较好的数值结果。 相似文献
6.
基于PCA的复杂网络社区结构分析方法 总被引:3,自引:0,他引:3
揭示复杂网络的社区结构,对于了解网络结构与分析网络特性有重要意义。将一个网络划分为几个不同的社区,其本质也就是在一定程度上最大化提取网络本身的主要信息,同时略去二些相对次要的信息。主成分分析(Principle Component Analysis,PCA)方法,正是一种从对象中提取主要信息,而忽略相对次要信息的多元统计分析方法。本文基于PCA的信息压缩思想,提出了一种分析复杂网络社区结构的新方法,并将其应用于分析空手道俱乐部网络(Zachary网络)、海豚网络(Lusseau网络)、政治书籍网络(Krebs网络)等网络的社区结构,并且与基于模块度矩阵的谱方法划分结果进行了比较,数值实验结果表明本文提出的方法是可行且有效的。 相似文献
7.
We investigate the relationship between the structure and the synchronizability of scale-free networks in geographical space. With an optimization approach, the numerical results indicate that when the network synchronizability is improved, the geographical distance becomes larger while the maximal load decreases. Thus the maximal betweenness can be a candidate factor that affects the network synchronizability both in topological space and in geographical space. 相似文献
8.
对区间型符号数据进行特征选择,可以降低数据的维数,提取数据的关键特征。针对区间型符号数据的特征选择问题,本文提出了一种新的特征选择方法。首先,该方法使用区间数Hausdorff距离和区间数欧氏距离度量区间数的相似性,通过建立使得样本点与样本类中心相似性最大的优化模型来估计区间型符号数据的特征权重。其次,基于特征权重构建相应的分类器来评价所估计特征权重的优劣。最后,为了验证本文方法的有效性,分别在人工生成数据集和真实数据集上进行了数值实验,数值实验结果表明,本文方法可以有效地去除无关特征,识别出与类标号有关的特征。 相似文献
9.
在固定步长的ICA极大似然估计自适应算法的基础上,通过一维搜索引入了步长修正方案,使新算法可在收敛速度和稳定状态时的失调误差这两个性能指标上达到最佳结合点,具有较好的时变系统跟踪能力。仿真结果证实了本文所提出的算法可以有效地提高ICA的自适应性,能够更准确地完成盲源分离。在此基础上将算法用在时变性很强的股票数据上,以验证该算法的有效性和可行性。 相似文献
10.
针对时间序列数据的高维特性,在进行理论分析的基础上,利用主成分分析法提出了一种单变量时间序列数据降维的新方法,进而提出了基于主成分分析的单变量时间序列聚类方法。其主要思想是在线性空间中的同一组基下,用系数之间的相似性来刻画对应时间序列之间相似性,在理论分析过程中,首先对单变量时间序列数据集进行主成分分析,其次分析了单变量时间序列数据集、样本协方差矩阵的特征向量与主成分之间的关系,并证明了由主成分构成的向量组线性无关。为了进一步验证理论分析结果的正确性和所提算法的有效性,分别利用仿真数据和真实的股票数据进行了数值实验。 相似文献