万宇文

作品数:8被引量:34H指数:4
导出分析报告
供职机构:江西师范大学更多>>
发文主题:关联规则数据挖掘IRTEM算法CTA更多>>
发文领域:自动化与计算机技术文化科学哲学宗教理学更多>>
发文期刊:《计算机教育》《计算机与现代化》《江西师范大学学报(自然科学版)》《科技广场》更多>>
所获基金:国家自然科学基金全国教育科学规划课题国家重点基础研究发展计划江西省自然科学基金更多>>
-

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
条 记 录,以下是1-8
视图:
排序:
促进学习力发展的开放教育学习评价模式研究
《江西广播电视大学学报》2016年第4期14-20,共7页黄林凯 钟志贤 万宇文 罗义 
江西省高校人文社会科学研究项目(JY1462)
开放教育是一种在时间、对象、地点、观念、资源、方法等全方面开放的教育,作为终身学习的一种重要的学习形式,教师通过现代信息技术的支撑提供导学其各种学习支持服务,学习者在此基础上自主学习,这种独特的人才培养模式决定了学习者必...
关键词:学习评价 开放教育 学习力 
计算机网络课程教学改革与实践被引量:8
《计算机教育》2014年第13期79-82,共4页万宇文 黄林颖 
提出能有效提高计算机网络课程教学质量的解决方案,包括教材和教学内容的选择、课堂教学方法的改进、基于E-learning的多媒体课件制作以及实验环节的教学设计和课外环节的教学设计等;阐述该教学方法在教学过程中的实际效果。
关键词:计算机网络 案例式教学 教学设计 
基于权值的关联规则挖掘改进算法被引量:4
《计算机与现代化》2014年第4期73-76,共4页万宇文 黄林颖 甘登文 
关联规则挖掘是数据挖掘中的重要方法。本文结合多维关联规则基于支持度和置信度的挖掘算法,提出基于权值的关联规则挖掘改进算法,比较几种定义权值的方法的差别,并通过示例论证了算法的有效性。
关键词:数据挖掘 关联规则 支持度 置信度 
粗糙集和模糊集中概念格的学习被引量:1
《科技广场》2013年第11期6-11,共6页万宇文 黄林颖 
粗糙集理论能够分析和处理不精确、不协调和不完备信息,模糊集理论能够分析和处理模糊的信息,而概念格是知识表示与知识发现的一种有效工具,它们都被成功地应用到多项研究领域。本文利用粗糙集理论中的两个近似算子构造出新的概念格,比...
关键词:粗糙集 模糊集 形式概念 概念格 
应用于入侵检测系统的报警关联的改进Apriori算法被引量:4
《计算机应用》2010年第7期1785-1788,共4页王台华 万宇文 郭帆 余敏 
国家973计划项目(2007CB316505)
在众多的关联规则挖掘算法中,Apriori算法是最为经典的一个,但Apriori算法有以下缺陷:需要扫描多次数据库、生成大量候选集以及迭代求解频繁项集。提出了一种一步交集操作得到最大频繁项目集的方法。支持度由交集的次数得到而无需再去...
关键词:数据挖掘 关联规则 APRIORI算法 项集 入侵检测系统 
建构适应社会需要的计算机硬件课程教学体系被引量:1
《江西电力职业技术学院学报》2007年第2期54-55,共2页叶继华 王春兰 甘登文 万宇文 廖云燕 
针对目前本校计算机教学存在的重视软件教育、轻视硬件教育的情况,结合本校实际从培养模式、教学方法和教学内容等方面进行了探讨,分析了原因。借鉴国内外高校的成功经验,以建构主义学习理论为指导,以培养适应社会需要的计算机相关专业...
关键词:建构主义 硬件课程 培养模式 方法 内容 实践 
信任函数逼近方法的改进被引量:1
《江西师范大学学报(自然科学版)》2006年第1期58-62,共5页黄林颖 吴根秀 万宇文 李玮 
国家自然科学基金(60263005);江西省自然科学基金(0411021);江西省教育厅2005年资助项目
信任函数的逼近可使得不确定性推理理论得以实际应用,该文讨论了D-S证据理论中信任函数逼近的几种方法,分析了它们各自的优缺点,并通过对概括逼近、双逼近和内外聚类逼近的研究,提出了两种新的逼近方法,既满足最佳逼近基本条件要求又考...
关键词:证据理论 概括逼近 双逼近 内外聚类逼近 
基于IRT若干参数估计方式的比较被引量:15
《江西师范大学学报(自然科学版)》2003年第1期56-60,共5页罗芬 丁树良 胡小松 万宇文 甘登文 
国家自然科学基金资助项目(60263005);全国教育科学规划重点课题资助项目(DBB010501)
在项目反应理论(IRT)框架下,就目前流行的若干能力参数和项目参数的估计方法进行分析比较,阐述了它们各自适用的范围和不足之处,为选用估计方法提供依据.
关键词:参数估计 CTA IRT 条件似然估计 联合似然估计 边际似然估计 EM算法 贝叶斯估计 项目反应理论 自适应考试 
检索报告 对象比较 聚类工具 使用帮助 返回顶部