期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于细粒度学习情感本体的学习效果评估方法——以算法设计与分析课程为例 被引量:2
1
作者 张春霞 牛振东 +1 位作者 施重阳 商建云 《计算机科学》 CSCD 北大核心 2018年第B06期58-62,共5页
教育目标包括认知领域目标、动作技能领域目标和情感领域目标。情感领域目标教育已受到越来越多教育者和众多领域学者的关注和研究。学习者的情感在传统教育和网络教育中都起着十分重要的作用,影响着学习者的学习主动性、积极性、创造... 教育目标包括认知领域目标、动作技能领域目标和情感领域目标。情感领域目标教育已受到越来越多教育者和众多领域学者的关注和研究。学习者的情感在传统教育和网络教育中都起着十分重要的作用,影响着学习者的学习主动性、积极性、创造性以及学习效果。基于多年承担本科生和硕士生的算法相关课程的教学实践,构建了细粒度学习情感本体,提出了基于细粒度学习情感本体的学习效果评估方法。细粒度学习情感本体的特点是引入了课程知识点之间的多种语义关系,构建了基于知识点的教师情感反馈行为分类。学习效果评估方法的特点是构建了基于细粒度学习情感本体中知识点关系路径的学习情感演化模型,并应用该模型来评估学习效果。 展开更多
关键词 细粒度学习情感本体 学习效果评估 学习情感演化模型 算法课程
在线阅读 下载PDF
基于改进深度相对距离学习框架的车辆再识别算法 被引量:6
2
作者 胡聪 李超 +2 位作者 周甜 朱爱军 许川佩 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第12期245-252,共8页
随着智慧交通的快速发展,摄像头下的车辆重新识别任务受到了计算机视觉界研究者的高度关注。本文提出一种基于改进深度相对距离学习模型的车辆再识别算法。首先,针对原先深度相对距离学习框架中特征提取网络简单、难以提取车辆特征,提... 随着智慧交通的快速发展,摄像头下的车辆重新识别任务受到了计算机视觉界研究者的高度关注。本文提出一种基于改进深度相对距离学习模型的车辆再识别算法。首先,针对原先深度相对距离学习框架中特征提取网络简单、难以提取车辆特征,提出采用RepNet网络替代原网络架构中的网络。然后,提出在模型中使用焦点损失函数Focal Loss,减少简单样本在训练中所占的权重,解决在车辆再识别数据库中常会出现的正负样本不平衡问题。最后,利用余弦相似度量判断图像之间的相似度。在VehicleID数据集上的实验表明,所提算法的模型车辆型号识别率为98.18%,较原DRDL模型提高了约14.7%,车辆颜色的识别率是96.28%。在车辆再识别任务中,所用模型的MAP值达0.709,较原模型提高约0.16,证明了所提算法的有效性。 展开更多
关键词 卷积神经网络 车辆再识别 细粒度学习 焦点损失函数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部