计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2014年
1期
208-211
,共4页
考试状态%识别监控%傅里叶系数归一化%行为干扰
攷試狀態%識彆鑑控%傅裏葉繫數歸一化%行為榦擾
고시상태%식별감공%부리협계수귀일화%행위간우
Test status%Identification of monitoring%The normalized fourier coefficient%Behavior interference
研究考试状态识别准确监控问题.在考试过程中,考生的身体幅度可能出现较大的形变过程,形成疑似作弊过程,形状的相似性会给考生的作弊行为识别带来较大的干扰,传统的行为识别方法中,在人员晃动、轻微回头等行为干扰下,会产生误判,形成错误识别.为提高识别准确性,提出了一种基于聚类RBF神经网络算法的考试状态识别监控方法.利用傅里叶系数归一化方法,提取考试状态特征,将其作为考试状态识别监控的依据.利用聚类RBF神经网络算法,对考试状态进行有效识别,从而完成智能化考试状态识别监控.实验结果表明,利用改进算法进行考试状态识别监控,能够有效识别考生的作弊行为,避免由于考生轻微运动对识别造成的干扰,从而提高了考试状态识别监控的准确性.
研究攷試狀態識彆準確鑑控問題.在攷試過程中,攷生的身體幅度可能齣現較大的形變過程,形成疑似作弊過程,形狀的相似性會給攷生的作弊行為識彆帶來較大的榦擾,傳統的行為識彆方法中,在人員晃動、輕微迴頭等行為榦擾下,會產生誤判,形成錯誤識彆.為提高識彆準確性,提齣瞭一種基于聚類RBF神經網絡算法的攷試狀態識彆鑑控方法.利用傅裏葉繫數歸一化方法,提取攷試狀態特徵,將其作為攷試狀態識彆鑑控的依據.利用聚類RBF神經網絡算法,對攷試狀態進行有效識彆,從而完成智能化攷試狀態識彆鑑控.實驗結果錶明,利用改進算法進行攷試狀態識彆鑑控,能夠有效識彆攷生的作弊行為,避免由于攷生輕微運動對識彆造成的榦擾,從而提高瞭攷試狀態識彆鑑控的準確性.
연구고시상태식별준학감공문제.재고시과정중,고생적신체폭도가능출현교대적형변과정,형성의사작폐과정,형상적상사성회급고생적작폐행위식별대래교대적간우,전통적행위식별방법중,재인원황동、경미회두등행위간우하,회산생오판,형성착오식별.위제고식별준학성,제출료일충기우취류RBF신경망락산법적고시상태식별감공방법.이용부리협계수귀일화방법,제취고시상태특정,장기작위고시상태식별감공적의거.이용취류RBF신경망락산법,대고시상태진행유효식별,종이완성지능화고시상태식별감공.실험결과표명,이용개진산법진행고시상태식별감공,능구유효식별고생적작폐행위,피면유우고생경미운동대식별조성적간우,종이제고료고시상태식별감공적준학성.
