作者:段秀娟考试状态识别监控傅里叶系数归一化行为干扰
摘要:研究考试状态识别准确监控问题。在考试过程中,考生的身体幅度可能出现较大的形变过程,形成疑似作弊过程,形状的相似性会给考生的作弊行为识别带来较大的干扰,传统的行为识别方法中,在人员晃动、轻微回头等行为干扰下,会产生误判,形成错误识别。为提高识别准确性,提出了一种基于聚类RBF神经网络算法的考试状态识别监控方法。利用傅里叶系数归一化方法,提取考试状态特征,将其作为考试状态识别监控的依据。利用聚类RBF神经网络算法,对考试状态进行有效识别,从而完成智能化考试状态识别监控。实验结果表明,利用改进算法进行考试状态识别监控,能够有效识别考生的作弊行为,避免由于考生轻微运动对识别造成的干扰,从而提高了考试状态识别监控的准确性。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社