无机及分析化学实验报告成绩评定策略及实践初探

来源 :高教论坛 | 被引量 : 0次 | 上传用户:kahn419
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
对实验报告的评分需要评价实验数据的准确度和精密度,如若直接用全体平均值代替真实值来评价准确度,往往会带来误差。从全体实验测量值所服从的分布出发,通过对数变换将其转化为偏斜度为零的正态分布,此时的全体平均值就极为接近真实值,也就可依据离全体平均值越近越优的原则评分。对于精密度,则以相对平均偏差越小越优的原则评分。最后等权重考虑准确度和精密度,为每位学生的实验报告打分。具体的实例表明了该方法的有效性。
其他文献
针对现有的增量聚类算法对参数敏感度较高、时空复杂度较高等问题,提出了一种基于代表点的增量聚类算法。首先采用代表点聚类算法对静态的数据库进行聚类;然后根据新增加的节点与已存的代表点之间的关系,判断是否将其添加到已存的代表点所属的类簇中,或是提升为新的代表点;最后,再次采用代表点聚类算法对其进行聚类。实验结果证明,该算法对参数的敏感性低、效率高、占用空间小。
为解决最近报道的Contourlet变换域基于奇异值分解的水印算法存在的高虚警率问题,提出一种多水印算法。对Arnold置乱后的水印图像进行奇异值分解,将其中一个正交矩阵嵌入原始图像非下采样Contourlet域的两个高频方向子带中,并利用奇异值来调整原始图像非下采样Contourlet域剩余子带的系数矩阵,通过逆变换得到含水印图像。抽取水印时首先计算从待检测图像抽出的正交矩阵和真实水印正交矩阵的
为构造抗量子攻击的密码协议,以非交换的辫群为平台,基于求根问题的难解性提出了一个非平衡比特承诺协议。分析表明,协议具有绑定性和隐藏性,且协议执行过程不涉及共轭判断运算,在计算上比基于共轭搜索问题的比特承诺协议更有效。
在处理高维数据时,聚类的工作往往归结为对子空间的划分问题。大量的真实实验数据表明,相同的属性对于高维数据的每一类子空间而言并不是同等重要的,因此,在FCM算法的基础上引入了方差权重矩阵模型,创造出了新的聚类算法称之为WM-FCM。该算法通过不断地聚类迭代调整权重值,使得其重要的属性在各个子空间内更为显著地表征出来,从而达到更好的聚类效果。从基于模拟数据集以及UCI数据集的实验结果表明,该改进的算法
为了提高粒子群优化算法的性能,提出了一种完全Logistic混沌粒子群优化与遗传算法的混合优化方法。该方法将具有伪随机性与遍历性特征的Logistic混沌应用到粒子群算法的粒子位置和速度初始化、惯性权重优化、随机常数以及局部最优解邻域点产生的全过程,并在粒子速度和位置更新后再与遗传算法相混合,进行选择和交叉操作。三种典型Benchmark函数的实验结果验证了所提方法的有效性,该方法具有更好的寻优能