公开(公告)号：CN116090564A

公开(公告)日：2023-05-09

申请号：CN202211499363.5

申请日：2022-11-28

Applicant: 华东师范大学

Inventor： 钱鸿 ,  周爱民 ,  吴婷 ,  曾奕博 ,  邵非

IPC: G06N7/01 ,  G06N5/04

Abstract: 本发明公开了一种基于贝叶斯网络的错题归因方法，通过知识点结构图构建贝叶斯网络，并利用学生做题数据进行贝叶斯网络参数学习和题目做错原因推理，对于输入的每一条数据，均用来更新贝叶斯网络的参数，当需要进行错题归因时，即可用该条数据和当前贝叶斯网络的参数进行题目做错原因推理。所述方法能够揭示学生做题错因的层次关系，细粒度地厘清出错原因链；在大规模的场景下，可以实现高效、准确的错题自动归因，辅助教师进行针对性的备课和学生辅导，帮助学生实现个性化的学习；同时，该方法模型透明，过程可解释，结果可信赖，适用于智能教育中的错题归因场景。本发明还公开了一种实现上述基于贝叶斯网络的错题归因系统。

公开(公告)号：CN114357869A

公开(公告)日：2022-04-15

申请号：CN202111581871.3

申请日：2021-12-22

Applicant: 华东师范大学

Inventor： 郝昊 ,  周爱民 ,  钱鸿 ,  邵非 ,  李丙栋 ,  王帅

IPC: G06F30/27 ,  G06N3/12 ,  G06K9/62 ,  G06N20/20 ,  G06F111/06

Abstract: 本发明公开了一种基于数据关系学习和预测的代理模型设计方法，用于提高多目标演化算法的求解效率。其特点是将演化算法中的个体构造为关系对，并利用集成分类学习的方法学习关系数据特征，然后指导演化算法的搜索过程。本发明可以利用已有数据构造高保真的代理模型，并对未知数据提供高鲁棒性的预测结果。在极端有限的计算量下，本发明可以辅助演化算法对问题进行求解。与现有方法相比，本发明首次将数据关系用于代理模型构造，同时表现出更高的建模准确性和预测鲁棒性。在工业优化优化领域，该方法可以用百秒量级的建模与预测成本替代高代价的真实模型评估。将优化成本降低为原优化过程的十分之一内，将优化效率提高10倍以上。

公开(公告)号：CN113688881A

公开(公告)日：2021-11-23

申请号：CN202110884575.4

申请日：2021-08-03

Applicant: 华东师范大学

Inventor： 郝昊 ,  周爱民 ,  钱鸿 ,  邵非

IPC: G06K9/62 ,  G06N3/00

Abstract: 本发明公开了一种基于罚函数交叉边界法的多目标自适应分类方法，包括步骤1：输入一个待分类的种群P，步骤2：选择参考点集合Pref，步骤3：初始化边界惩罚参数δ，步骤4：基于罚函数边界相交法的分类，步骤5：判断样本是否平衡，步骤6：基于二分查找的δ参数搜索，步骤7：输出分类后的种群。与现有方法相比，本发明首次将惩罚边界法用于样本的类别划分中，并使用二分查找动态的调节分类边界。该方法可以有效的提高样本数据质量，为后续的代理模型训练提供高质量数据支撑。本发明还提出了一种基于罚函数交叉边界法的多目标自适应分类系统。