基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文提出了一种基于滑动滤波方法的学习状态识别技术.通过对用户书写过程中产生的三轴加速度数据进行特征提取、模型训练、状态分类3个过程的处理,统计分析了书写时长占比、极短书写占比以及分心状态占比3个学习指标,识别出用户当前的学习状态.在实验中,将用户的学习状态分为熟练、正常、不会以及不专心4种类别,识别准确率达到93.75%.将该系统应用于课堂提问、随堂检测时,可以有效帮助教师掌握每个学生的学习状态,从而照顾到每个学生的学习进度.
推荐文章
基于机器学习的流量识别技术综述与展望
流量识别
机器学习
网络测量
流量数据集
在线字典学习形变模型的疲劳状态识别方法
疲劳状态识别
变形区域
LBP特征
形变模型
在线字典学习
过完备基函数矩阵
时间窗
贝叶斯方法
一种基于用户行为状态特征的流量识别方法
流量识别
用户行为
行为状态特征
主题模型
基于深度学习的人脸识别方法研究综述
深度学习
人脸识别
卷积神经网络
生物特征识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于滑动滤波方法的学习状态识别技术
来源期刊 电气技术 学科
关键词 滑动滤波方法 三轴加速度计 学习状态 分类回归树算法
年,卷(期) 2019,(9) 所属期刊栏目 研究与开发
研究方向 页码范围 20-25
页数 6页 分类号
字数 3766字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 韩来权 东北大学秦皇岛分校计算机与通信工程学院 8 11 2.0 3.0
5 张召海 东北大学秦皇岛分校计算机与通信工程学院 3 1 1.0 1.0
6 单茗琪 东北大学秦皇岛分校计算机与通信工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (24)
共引文献  (1)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(8)
  • 参考文献(1)
  • 二级参考文献(7)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(3)
  • 参考文献(2)
  • 二级参考文献(1)
2018(4)
  • 参考文献(4)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
滑动滤波方法
三轴加速度计
学习状态
分类回归树算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电气技术
月刊
1673-3800
11-5255/TM
大16开
北京市西城区莲花池东路102号天莲大厦10层
2000
chi
出版文献量(篇)
6373
总下载数(次)
15
总被引数(次)
19291
论文1v1指导