Digital Module 05: Diagnostic Measurement—The G‐DINA Framework https://ncme.elevate.commpartners.com

In this ITEMS module, we introduce the generalized deterministic inputs, noisy “and” gate (G‐DINA) model, which is a general framework for specifying, estimating, and evaluating a wide variety of cognitive diagnosis models. The module contains a nontechnical introduction to diagnostic measurement, an introductory overview of the G‐DINA model, as well as common special cases, and a review of model‐data fit evaluation practices within this framework. We use the flexible GDINA R package, which is available for free within the R environment and provides a user‐friendly graphical interface in addition to the code‐driven layer. The digital module also contains videos of worked examples, solutions to data activity questions, curated resources, a glossary, and quizzes with diagnostic feedback.     

空间连杆机构装配构形的建模及求解

提出完全有效元素法并用于建立一类空间连杆机构装配构形问题的统一数学模型;将综合消元法用于确定机构的所有装配构形。实例计算表明,本文理论正确、方法实用新颖、程序运行可靠。     

谈高等代数理论的三条主线

提出贯穿高等代数理论的三条主线。它们是:从具体的数学对象向抽象的代数系统的转变;从各类数学对象的传统表示向统一的矩阵表示的转变;从数学对象间的具体关系向集合元素间的抽象关系的转变。     

一类具有Z2等变性质的五次哈密顿向量场的全局相图(Ⅱ)

文章考虑了一类具有Z2等变性质的五次哈密向量场的全局性质，得到了其全局相图，并对参数空间进行了划分。     

n阶行列式的计算方法

通过一些具体的例题介绍了n阶行列式计算的几种常用而且行之有效的方法     

矩阵光学的光路可逆性研究

本文研究了矩阵光学中 ,矩阵逆变换和物理逆光路的逻辑自洽问题 ,揭示了抽象的矩阵操作和实际的物理过程的一致性 ,最后指出 ,它们的统一性 ,本质上在于宏观物理现象的宇称守恒性。     

基于主成分分析法的科技期刊评价方法

针对目前科技期刊评价方法中存在的指标之间相关性问题和指标权重选取问题,提出了基于主成分分析的科技期刊评价方法.该评价方法通过相关系数矩阵的特征向量将评价指标线性变化成彼此独立的主成分,根据主成分累计贡献值确定主成分的取用维数,由主成分方差确定权重.其优点是:可以消除由于指标间的相关性带来的偏差,降低计算维数,从而降低指标选择的难度,提高评价结果的可信度;此外,可以消除人为确定指标权重引起的弊病,使评价结果更具客观性和准确性.     

基于属性值偏好矩阵的协同过滤推荐算法

传统的协同过滤推荐算法面临用户评分数据稀疏性和冷启动问题的挑战.针对上述问题,提出了基于属性值偏好矩阵的协同过滤推荐算法,首先采用奇异值分解(SVD)对用户-项目评分矩阵降维得到目标用户的初始邻居用户集,生成新的用户-项目评分矩阵;然后将用户评分映射到相应的项目属性值上,生成每个用户的属性值偏好矩阵,并基于属性值偏好矩阵进行用户相似性度量,从而缓解了评分数据稀疏性;将新项目的属性值与用户的属性值偏好矩阵进行匹配,从而找出匹配度最高的前N个用户作为新项目的推荐受众.实验结果表明了该算法的有效性.     

基于支持向量机的文本自动分类试验研究

提出了将支持向量机应用于文本自动分类的研究，与常用的K-最邻近法相比，无论是对训练数据集还是测试数据集均具有一定的优势，而且不同特征选择方法对支持向量机的影响要比K-最邻近法小。此外，从研究中的不同特征选择的评价函数来看，它们对分类有一定的影响，应用X2统计进行特征选择的分类正确率最高，其次是文本证据权，而期望交叉熵的效果最差，说明特征选择在文本自动分类中也是相当重要的。     

基于机器学习的自动文本分类模型研究

基于机器学习的方法是自动文本分类中非常重要的一大类方法。本文先给出了形式化的定义，提出了自动文本分类的流程模型，然后选取了支持向量机（Support Vector Machine，SVM）算法作为一个典型例子进行分析，最后作者通过一个中文文本分类实验评价了该算法的效果。