摘要：PISA阅读素养评价框架主要包括情境(Situations)、文本(Texts)和认知方面(Aspects)三个特征维度,评价中三个特征维度所包含的具体内容均有一定的比重分配,反映了其在评价中所占份额的大小,体现了命题者对评价内容的动态把握。对2000—2015年PISA六轮阅读素养评价三个特征维度的结构内容所占比重进行梳理分析,解读阅读素养评价的设计理念。

摘要：特征选择作为一种数据预处理技术被广泛研究,由于其具有NP难度而一直无法找到有效的求解方法。鉴于目前在特征选择中应用较多的遗传算法存在进化机制上的局限,将量子进化算法应用于特征选择,提出了一种基于改进量子进化算法的特征选择算法。以增加种群多样性和提高寻优性能为目标改进了量子进化算法,以Fisher比和特征维度为特征子集的评价准则构造了适应度函数,按照量子进化算法求解优化问题的步骤设计了特征选择算法。使用UCI数据库中的数据集对三种算法作对比验证,通过识别重要特征、提高学习算法性能、特征选择效率三组实验,结果表明,该算法能够识别出重要特征,并随着数据集特征维度升高,特征选择的性能逐渐优于对比算法,到了高维数据集,特征选择效率明显优于对比算法。

摘要：驱动性问题是项目化教学的灵魂.项目化教学是由本质问题而来,并在任务实施过程中分解为若干子问题.文章基于驱动性问题视角,将数学项目化教学中的问题依据其特征分为真实性问题、学术性问题、实践性问题三大类,优化教师在教学中问题的设置,以此精准定位数学课程标准要求,帮助学生发展从低阶认知走向高阶认知,改变单一理解知识的方式,转向整体探究,使数学项目化教学更具“数学意义”.

摘要：为了给交通规划、设计和管理提供重要的定量数据支持,最大限度地实现信息增值,提出了从大量的历史交通数据中提取有用的交通特征信息的方法。以深圳市城市交通仿真系统中的历史交通特征信息为对象,根据交通信息应用需求现状,从空间、时间、统计和参数四个特征维度对历史交通特征信息进行详细的结构分析,给出了历史交通特征信息生成的运行流程,以及各个特征维度历史交通数据计算方法。最后介绍了历史交通特征信息在深圳市城市交通仿真系统各个信息服务子系统中的应用情况。

摘要：当前主流图像检索技术所采用的传统视觉特征编码缺少足够的学习能力,影响学习得到的特征表达能力。此外,由于视觉特征维数高,会消耗大量的内存,因此降低了图像检索的性能。文中基于深度卷积神经网络与改进的哈希算法,提出并设计了一种端到端训练方式的图像检索方法。该方法将卷积神经网络提取的高层特征和哈希函数相结合,学习到具有足够表达能力的哈希特征,从而在低维汉明空间中完成对图像数据的大规模检索。在两个常用数据集上的实验结果表明,所提出的哈希图像检索方法的检索性能优于当前的一些主流方法。