摘要：TM遥感影像中专题信息的自动提取是目前遥感界的研究热点,也已成为遥感信息生产流程中的瓶颈环节。本文分析了耕地专题信息自动提取的研究现状,选取了吉林中部和辽宁省东北部作为研究区,采用监督分类的方法对研究区TM遥感影像进行分类,提取了玉米地专题信息,玉米地信息的提取精度为85.5%。根据遥感影像目视解译的原理,提出了基于多特征空间的遥感影像专题信息自动提取的研究方法,通过对多特征空间的数学描述和计算机处理实现遥感专题信息的自动提取。采用多特征空间的方法将玉米地信息分为光谱特征空间、形状特征空间、区域地学特征空间和干扰特征空间,应用ERDAS8.5遥感图像处理软件中的knowledge engineer模块的开发功能,设计了基于多特征空间的玉米地专题信息自动提取的专家库,使用专家库对玉米地信息进行了自动提取,提取精度为92.9%。从基于多特征空间的分类结果与监督分类结果的比较发现,基于多特征空间的自动提取方法可以提高专题信息的提取效率,对未来实现遥感影像的智能解译是一种研究方法的探索。

摘要：本研究在传统CD-CAT的基础上进行拓展,开发设计了可以处理属性多级化的CD-CAT(记为p CD-CAT),而且当测验所有属性的水平数Lk=2时则p CD-CAT可简化为CD-CAT,因此传统CD-CAT是本研究设计开发p CD-CAT的一个特例。Monte Carlo模拟实验结果表明:基于属性多级化框架下设计的p CD-CAT具有较好的诊断正确率、题库安全性和较高的测验效率,弥补了传统CD-CAT不足;当属性多级化时,若采用传统CD-CAT方法,则诊断正确率很不理想(属性模式判准不到30%),表明传统CD-CAT在属性多级化测验情景时不适宜,而本文设计的p CD-CAT是一种不错的选择(属性模式判准高达80%以上)。总之,本研究对于进一步拓展CD-CAT在实践中的应用提供了新方法和新技术支持。

摘要：本研究在传统0-1属性的基础上,拓展出可以处理属性多级化的认知诊断模型——PA-rRUM和PA-DINA模型。Monte Carlo模拟研究表明:拓展模型具有较高的属性诊断正确率和参数估计精度,且参数估计的稳定性较强,说明拓展模型基本可行,可以用于实现多级化属性的认知诊断。这弥补了传统0-1化属性认知诊断模型的不足,具有较好的发展和应用前景;同时本研究还探讨了拓展模型性能及属性多级化下测验Q矩阵的设计。总之,本研究对于进一步拓展认知诊断在实践中的应用提供了重要的方法和技术支持。

摘要：长白山垂直分布的植被是温带到寒带植被的组合,能够很好地反映温度变化趋势,研究其植物的植硅体对于了解长白山气候变迁有重要意义。作者选择长白山9科14属木本植物的叶子,采用湿式灰化法对其进行植硅体分析,计算了不同形态植硅体的百分含量,同时测量了长度和宽度。研究表明:长白山北坡垂直植被带中典型木本植物的叶子具有8种植硅体类型:表面有突起、皱纹的椭圆形、卵形;具有螺旋纹的纺锤状以及导管形、弓形、鸟嘴状、扁棒型、石块状、松树皮状、不确定型。在14种木本植物叶子中都出现了扁棒型植硅体,其含量随海拔升高逐渐增加,说明在长白山区扁棒型植硅体是示冷型植硅体。阔叶类木本植物叶子中,具有螺旋纹的纺锤体及导管形、弓形植硅体占优势;裸子植物叶子中松树皮状、石块状植硅体,其含量随海拔升高逐渐递减,说明松树皮状和石块状植硅体是示暖型植硅体。

摘要：与传统的纸笔测验(Paper And Pencil Based Test,P&P)相比计算机化自适应测验(Computerized Adaptive Testing,CAT)根据被试的作答反应自适应地选择题目,它不仅缩短了测验长度,还极大地提高了测验的准确性。然而,目前绝大多数CAT不允许被试修改答案,研究者主要担心修改答案会降低CAT的有效性。允许修改答案符合被试一贯的测验习惯,修改之后的分数更能反映被试真实的水平,从而能够进一步促进CAT在实际中的应用。现有的研究主要从三个方面提出了可修改答案CAT的控制方法:一是测验设计;二是改进选题策略;三是建构模型。未来的研究应进一步探讨这些方法之间的比较与结合,以及对可修改答案认知诊断CAT(Cognitive Diagnostic CAT,CD-CAT)的研究。