摘要：为了改善传统人-机交互(HCI)系统性能,设计并实现了一种结合眼电(EOG)和脑电(EEG)的人-机交互系统。该系统首先使用谱熵对眼电和脑电混合信号进行端点检测,在此基础上,分别识别操作者眨眼信号与脑电信号,并根据识别结果生成不同的控制命令。在实验室环境下对该系统进行测试,其眼电与脑电的平均识别正确率分别达到97.3%和92.7%,测试结果表明该系统可以有效保证命令选择的正确性和稳定性,提高人-机交互效率。

摘要：现有的ranking算法均通过最小化原目标函数的凸上界构造ranking模型,得到的模型不够精确.为此,文中提出一种基于非凸上界的ranking算法.该算法首先给出一个基于多类支持向量机(SVM)的框架,然后定义面向NDCG的目标函数,在此基础上设计一个比现有的凸上界更为紧凑的非凸上界逼近原目标函数;针对上界函数的非凸非光滑,提出使用凹-凸过程进行凸逼近,并采用割平面算法进行求解;最后,通过在基准数据集上的实验对该算法进行验证,并与现有算法进行对比.结果表明,相比现有的基于凸上界的ranking算法,文中算法得到的模型不但更为精确,而且更加稳定.

摘要：针对现有直接优化NDCG的排序算法或基于虚梯度或基于结构化学习,其得到的模型均不够精确,提出一种新的排序算法.算法以多类SVM为框架,在此基础上设计了一个面向NDCG的目标函数.考虑到该函数的非光滑性,提出使用割平面算法进行求解,同时注意到已有割平面算法可能存在的"主问题"非单调递减,会降低算法的收敛速度,进而设计了一种高效的线性搜索算法对割平面的选择进行改进,确保了"主问题"的单调递减.基准数据集上的实验证明了所提算法的有效性.

摘要：成绩是衡量教师教学质量以及学生学习效果的重要指标。由于影响学生学习成绩的因素众多,教师和学生不能清楚地认识影响成绩的关键因素。一方面,教师无法对教学方法做出有针对性的改进,以提高教学质量;另一方面,学生无法对学习方法做出有针对性的改进,以提高学习成绩。为了帮助高校教师及学生准确分析影响学习成绩的关键因素,设计了用于调查影响高校学生学习成绩因素的调查问卷,向该校大一至大四的学生分发调查问卷并收集数据,然后利用粗糙集理论的基于信息熵的启发式属性约简算法,找出影响高校学生学习成绩的关键因素,之后利用基于粗糙集理论的改进的基于分辨矩阵的属性值约简算法,挖掘出影响高校学生学习成绩的关键因素和成绩之间的依赖关系,导出规则集。通过实验验证了该规则集的有效性。研究成果可以帮助高校教师和学生了解影响成绩的关键因素,从而改进教师的教学方法和学生的学习方法。