论文部分内容阅读
摘要 贝叶斯网络策略是通过网络模型计算，对一些感兴趣的事件的概率作一些预测。本文主要针对贝叶斯网络策略在试卷分析中的运用进行了简单分析与探讨。
关键词 贝叶斯网络策略 试卷分析 运用
中图分类号：G647 文献标识码：A
贝叶斯网络策略的理论方法是建立在统计模型决策上的一个基本方法，其具有高速性能数值计算能力，而且简单易用且功能强大，程序移植性比较好。因此，对贝叶斯网络策略在试卷分析中的运用的探讨很有其必要。
一、贝叶斯网络策略
贝叶斯策略是Bayesian Decision Theory的简称，简单来讲，就是在不完全情报下，通过相关的理论，对部分未知的状态进行分析，用主观概率估计，并且在此基础上，针对事件发生的概率，运用贝叶斯公式进行科学的修正，然后，通过修正的概论以及相关的期望值，做出最优的决策。
从本质上讲，贝叶斯决策又可以被称之为是一种风险型决策。在贝叶斯网络策略中，决策者对客观因素的变化不能进行全面有效的控制，但却掌握其变化的可能状况及各状况的分布概率，并利用期望值，即未来可能出现的平均状况作为决策准则。
二、试卷分析的必要性
作为一个完整的教学，考试是不可缺少的一部分，是教师教学和学习学习质量检测的一个重要方法。从另外一个角度来分析，考试对教学也有着不可忽视的关键性作用，考试指导着教学的科学进行。因此，需要对考试的结果进行认真分析与研究。
在试卷分析时，需要运用教学理论和考试理论，研究考试的结果，对教学过程进行深刻反思，找到教学的方向，促进教学内容、形式和方法的改进，通过对考试结果的分析，可以在第一时间反馈出大量的教學信息，同时，也可以全面地反映整个教学过程的得与失。
另外，考试结果还可以反映出考试本身存在的一些问题以及命题本身的一些情况，通过这些重要信息，引起更多人的深入思考，并在思考的过程中，形成一些新的认识，提出相应的建议，为教学决策提供参考，由此可见试卷分析的重要性。
三、贝叶斯网络策略在试卷分析中的运用
（一）贝叶斯网络。
贝叶斯网络，是一个有向无环图，通常人们也将其称为因果网，该网络主要是建立在随机变量标识的戎上，利用节点，对结果进行分析。贝叶斯网络对知识的表达是隐含的，以概率和结构为知识，通过推理获得感兴趣的理论，而且这种推理也是极具灵活性的。在这里我们通过事例分析，进行具体的说明：
形象地讲，贝叶斯网络模型最简单的例子是“分类器”，即在观测节点输入多个特征，就能获得这些特征所对应的具体事物。例如：一个箱子里装有篮球，排球和足球，每次从箱子里取出某一个球。但看不见所取球的类型，只能通过描述尺寸，外表，颜色等特征（观测数据）来辨别（分类），当然之所以具备辨别（分类）能力是长期对几种球类的观察和认识，并将这些特征一一储存在脑部，这就形成先验知识以及特征与具体事物的对应关系（网络模型结构和参数）。如果模型和先验知识精确，仅需要说出尺寸或者颜色就立刻可以分类，如果模型或先验知识不精确，那就需要多说出几个特征才能辨别。通过上面的例子发现，贝叶斯网络需要学习，即通过数据进行训练，在具有观测数据时需要推理。这里就包含了BN的核心研究内容。
（二）过程分析。
在运用贝叶斯网络时，需要了解其相关的参数情况，以下关于其具体的程序，该程序的存在，确保了贝叶斯网络的参数学习功能，根据数据结构和算法的书，其具体的运行环境如下：
int ELFhash（char *key）
{ unsigned long h=0； while（*key）
{ h=（h<<4）+*key++；
unsigned long g=h&0Xf0000000L；
if（g） h^=g>>24；
h&=～g；}
（三）结果分析。
在完成确保以上程序的完成后，就需要对试卷结果进行分析，在这里我们以作业的提交率以及上课出勤率为主要因素进行分析，其所对应的网络结构图如下：
根据以上图示分析，可以知道，作为提交率高的学生，其出勒率也比较高，因此，上课出勤率对学生的成绩存在着一定的影响，而且影响比较深。
四、总结
总而言之，通过贝叶斯网络策略对试卷分析，其得到的结果与实际情况相符，而且可以全面地分析出学生的出勤率，为教学方案制定和方法的改进有着很大的作用。□
（作者单位：荆楚理工学院）
参考文献：
[1]郝佳.贝叶斯网络开发平台的研究与实现.沈阳工业大学2010.
[2]宫义山，董晨.基于贝叶斯网络的缺失数据处理.沈阳工业大学学报.2010（01）.
关键词 贝叶斯网络策略 试卷分析 运用
中图分类号：G647 文献标识码：A
贝叶斯网络策略的理论方法是建立在统计模型决策上的一个基本方法，其具有高速性能数值计算能力，而且简单易用且功能强大，程序移植性比较好。因此，对贝叶斯网络策略在试卷分析中的运用的探讨很有其必要。
一、贝叶斯网络策略
贝叶斯策略是Bayesian Decision Theory的简称，简单来讲，就是在不完全情报下，通过相关的理论，对部分未知的状态进行分析，用主观概率估计，并且在此基础上，针对事件发生的概率，运用贝叶斯公式进行科学的修正，然后，通过修正的概论以及相关的期望值，做出最优的决策。
从本质上讲，贝叶斯决策又可以被称之为是一种风险型决策。在贝叶斯网络策略中，决策者对客观因素的变化不能进行全面有效的控制，但却掌握其变化的可能状况及各状况的分布概率，并利用期望值，即未来可能出现的平均状况作为决策准则。
二、试卷分析的必要性
作为一个完整的教学，考试是不可缺少的一部分，是教师教学和学习学习质量检测的一个重要方法。从另外一个角度来分析，考试对教学也有着不可忽视的关键性作用，考试指导着教学的科学进行。因此，需要对考试的结果进行认真分析与研究。
在试卷分析时，需要运用教学理论和考试理论，研究考试的结果，对教学过程进行深刻反思，找到教学的方向，促进教学内容、形式和方法的改进，通过对考试结果的分析，可以在第一时间反馈出大量的教學信息，同时，也可以全面地反映整个教学过程的得与失。
另外，考试结果还可以反映出考试本身存在的一些问题以及命题本身的一些情况，通过这些重要信息，引起更多人的深入思考，并在思考的过程中，形成一些新的认识，提出相应的建议，为教学决策提供参考，由此可见试卷分析的重要性。
三、贝叶斯网络策略在试卷分析中的运用
（一）贝叶斯网络。
贝叶斯网络，是一个有向无环图，通常人们也将其称为因果网，该网络主要是建立在随机变量标识的戎上，利用节点，对结果进行分析。贝叶斯网络对知识的表达是隐含的，以概率和结构为知识，通过推理获得感兴趣的理论，而且这种推理也是极具灵活性的。在这里我们通过事例分析，进行具体的说明：
形象地讲，贝叶斯网络模型最简单的例子是“分类器”，即在观测节点输入多个特征，就能获得这些特征所对应的具体事物。例如：一个箱子里装有篮球，排球和足球，每次从箱子里取出某一个球。但看不见所取球的类型，只能通过描述尺寸，外表，颜色等特征（观测数据）来辨别（分类），当然之所以具备辨别（分类）能力是长期对几种球类的观察和认识，并将这些特征一一储存在脑部，这就形成先验知识以及特征与具体事物的对应关系（网络模型结构和参数）。如果模型和先验知识精确，仅需要说出尺寸或者颜色就立刻可以分类，如果模型或先验知识不精确，那就需要多说出几个特征才能辨别。通过上面的例子发现，贝叶斯网络需要学习，即通过数据进行训练，在具有观测数据时需要推理。这里就包含了BN的核心研究内容。
（二）过程分析。
在运用贝叶斯网络时，需要了解其相关的参数情况，以下关于其具体的程序，该程序的存在，确保了贝叶斯网络的参数学习功能，根据数据结构和算法的书，其具体的运行环境如下：
int ELFhash（char *key）
{ unsigned long h=0； while（*key）
{ h=（h<<4）+*key++；
unsigned long g=h&0Xf0000000L；
if（g） h^=g>>24；
h&=～g；}
（三）结果分析。
在完成确保以上程序的完成后，就需要对试卷结果进行分析，在这里我们以作业的提交率以及上课出勤率为主要因素进行分析，其所对应的网络结构图如下：
根据以上图示分析，可以知道，作为提交率高的学生，其出勒率也比较高，因此，上课出勤率对学生的成绩存在着一定的影响，而且影响比较深。
四、总结
总而言之，通过贝叶斯网络策略对试卷分析，其得到的结果与实际情况相符，而且可以全面地分析出学生的出勤率，为教学方案制定和方法的改进有着很大的作用。□
（作者单位：荆楚理工学院）
参考文献：
[1]郝佳.贝叶斯网络开发平台的研究与实现.沈阳工业大学2010.
[2]宫义山，董晨.基于贝叶斯网络的缺失数据处理.沈阳工业大学学报.2010（01）.