基于贝叶斯网络的网络交互教学成效评价系统

网络交互质量是影响网络教学效果的重要因素。已有的网络交互教学成效评价系统缺乏对学习过程的监控和对学习者的良好建模,评价大多凭借专家经验,评估的主观随意性大,评价结果与实际值存在一定的误差。贝叶斯网络有很强大的解决不确定问题的处理水平,是目前基于概率的不确定表达和智能推理方面最有效的理论模型之一。基于贝叶斯网络的网络交互教学成效评价系统,基于领域知识关系构建贝叶斯网络学生模型,并引入模糊数学变换方法对学生认知水平进行评估。能减少不正常因素的干扰,提高对学生认知能力评价的精确度．实现对网络教学交互的质量评估和个性化导学。     

基于贝叶斯网络的网络风险评估研究

建立一个基于贝叶斯网络的风险评估模型,通过风险因素识别、建模和定量计算对网络运行过程中产生的风险进行评估。选取流量、CPU和内存这3个网络性能指标参数作为网络发生风险的定性分析因素,通过贝叶斯网络来计算出各风险因素造成网络发生风险的概率并对其进行排序,确定各风险因素对网络风险的影响程度,并计算出网络风险率。     

基于贝叶斯网络构建的学生成绩评价系统及影响分析

贝叶斯网络是一种基于概率推理的图形化网络。随着越来越多的人参与贝叶斯网络的研究,贝叶斯网络将事物间的因果关系推到了极致,更使其自身在更多的领域内得到了广泛的应用。本文利用贝叶斯网络的知识对学生成绩评价系统进行建模,并对其中各个因素的影响进行分析并总结。     

基于用户模型的生成性学习资源个性化推荐研究

个性化推荐作为解决学习者信息迷航的重要途径已成为研究热点。以生成性学习资源中学习者的个性化学习特征为基础,构建用户模型。根据布卢姆认识理论,采用贝叶斯网络评估学习者认知状态,并基于Felder-Silverman模型,利用TAN贝叶斯网络预测学习者学习风格,依据学习者的认知水平和学习风格推荐不同的学习策略,以有效提高学习效率。     

基于贝叶斯网络的电控发动机故障诊断研究

分析了贝叶斯网络的拓扑结构,给出了发动机怠速不良的故障树图．然后根据故障树到贝叶斯网络的转化算法,建立了贝叶斯网络模型．借助故障模拟试验数据确定了发动机怠速不良时电控汽油喷射系统贝叶斯网络故障诊断中各节点的先验概率值,然后通过贝叶斯网络找出了发动机怠速不良时电控汽油喷射系统各部件的故障发生概率．     

基于多策略混合结构的知识表示及教学推理机设计

智能导师系统是提高网络学习者学习效率的辅助教学系统,知识表示和教学推理机是系统的核心组成部分。本文提出了一种全局知识关系图和局部知识关系树的多策略混合知识表示结构,并根据学生学习进度和循序渐进原则,设计出学生个性化学习内容的生成算法。最后,基于此策略开发出一个网络学习平台原型,试验表明,它能有效地提高学生网络学习效率。     

知识推送在校园网络教学中的应用

校园网是高校学生获取知识的有益途径。而将知识"推送"给学生的网络教学模式可以提高校园网教学的效率。根据校园网学生管理和资源构成的特点,提出一种以学生个性化教学需求为目标,采用智能推送技术从校园网提取知识并"推送"给学生的网络教学系统的构建方法。该系统借助上网认证系统与校园网集成,首先从校园网认证系统中获取在线学生的身份信息,建立满足不同学生对于课程学习需求的教学推送模型;其次根据个性化的教学推送模型,并结合多种智能推送算法,从校园网各种数字资源中提取相关的教学知识、学习经验知识以及兴趣知识等,利用认证系统将知识推送给学生学习。基于知识推送的网络教学系统能够提高学生使用校园网自主学习的积极性。     

基于AHP-BN的航空安全风险评估与诊断研究

鉴于影响航空安全的因素众多且大部分因素与工作中的人相关联,建立以SHELL模型为架构的航空安全影响因素分析模型,搭建航空安全风险评估指标体系。采用层次分析法计算各评估指标的重要度并筛选出重要指标,将重要指标作为节点建立基于贝叶斯网络的航空安全风险评估与诊断模型,分析出不同影响因素作用下航空不安全事件发生的概率。利用贝叶斯网络模型的诊断功能得到影响航空不安全事件发生的关键因素,并基于此提出预防措施,从而保证航空安全的持续性。     

基于云计算的个性化知识模型研究

传统网络教学在个性化知识评估和隐性知识构建方面存在着明显的不足,本文基于概念图提出了一种新的知识模型STKM(Support Tacit Knowledge Model),该模型支持云计算环境下个性化知识评估,知识存储,以及学习主体隐性知识的建构,并给出知识模型的BNF范式描述,及其评估方法。通过对云计算平台中知识模型系统的分析和仿真实验,验证了云计算环境中知识模型系统的可行性和可扩展性。     

基于动态贝叶斯网络的障碍物辨识研究

依据对样本的统计学习和对事物的先验知识,在数据缺失或没有样本数据的情况下依然可以建立有效的分类器。从图像中提取特征,筛选出所需特征,构建贝叶斯网络模型,并计算各节点的条件概率。将所需数据传入建好的网络系统中,通过一系列推理判断得到所需答案。实验结果表明,利用动态贝叶斯网络建立的障碍物辨识系统,能有效实现人和车辆等障碍物的辨识。