李莹 任日丽
摘 要：在互联网技术高速发展的社会背景下，现代化电子设备成为人们日常生活和工作中不可缺少的重要组成部分。现代化电子评阅系统也逐渐应用于阅卷工作中，但由于其评阅工作量较大，易造成成绩误差等问题，因此提出了改进十三点特征提取方法，通过APP智能评阅系统平台设计与实现了移动阅卷工作并詳细论述了其研究过程。
关键词：智能阅卷 图像校正法 字符识别术
中图分类号：TP18 文献标识码：A 文章编号：1674-098X（2017）12（b）-0128-02
作为教学效果的重要衡量指标，考试是教学环节中不可避免的，但传统的人工阅卷耗时较长且容易出错，鉴于现有阅卷方式的诸多弊端，因此研究利用改进的十三点特征提取算法实现对试卷评阅的功能[1]。评阅过程如下：首先通过高清摄像头对试卷进行拍摄采集图像，然后智能评阅系统自动将评判并记录成绩。该系统只要求学生只拥有一台智能手机，便可查找核对考试成绩和排名情况。使用基于改进的十三点特征提取算法智能评阅系统有利于减轻教师考试评阅的工作任务，能够准确地测评成绩，学生也可以第一时间查到成绩单，无需再通过寄成绩单的形式将考生成绩邮寄到家长手中，操作方便快捷，有助于提高学习的积极性，同时可以减轻学校财务支出。老师只要在阅卷前把正确答案发送到智能评阅平台中即可。学生和家长也不需要额外配置其他的电子设备。
1 十三点特征提取算法
十三点特征提取算法的智能评阅系统工作流程框架图见图1。
如图1所示，整个智能评阅系统的框架分为3个主要部分。第一部分主要是针对十三点特征提取算法的特殊性降低建模和预测的难度。第二部分包括经验模态分解、独立成分分析和隐式特征表达3个模块，由于改进的十三点提取算法智能评阅系统中的效果需采用预测验证。因此需要引入网络预测模块对实验结果进行评估，保障十三点特征提取算法的有效性，优化预测结果[2]。若加入改进后的十三点特征提取算法后，预测精度有所提高，则说明十三点特征提取算法的有效性得到了验证。
根据十三点特征提取算法序列f（x），x=1，2，…m，可以重构智能评阅系统的相空间。由于f（x）自身涵盖了该评阅系统的全部变量信息，因此，若使其在固定延迟观测实验中形成一个多维状态空间即可得到其重构相空间。在这个相空间中，维数p称为嵌入维，嵌入延迟为固定的延迟时间t，则相空间的点可间数记为：
在上述公式中，p可由十三点特征提取算法进行计算，同时可用自相关法对时间t进行计算，并推算出其映射如下：
假设由线性特征Y以及非线性特征Z这两部分构成了时间序列Tn，而且线性特征与非线性特征都与原序列Tn成加和关系，由于存在线性特征不精准的可能性，因此要采用传统的经典线性模型进行计算，设线性模型为那么十三点特征提取算法可推导为：
以上公式给出一个基于十三点特征提取的智能评阅系统显式的算法，把Tn和Y作为特征提取后，用于预测原时间序列的中间状态[3]。由于在现有的线性模型中，提取近似线性特征的过程也极易生误差且误差大小难以估算。本文不试图对于线性特征Y和非线性特征Z推算出相应的Tn数值表达。
2 基于十三点特征提取算法的智能评阅系统研究实现
根据前文利用改进的十三点特征提取算法建立相应的动态智能评阅行为模型。在评阅系统静态建模建立完善后才能进行智能评阅系统动态建模的建设[4]。评阅系统描述的各项功能，通过对顺序图、活动图和协作图等作图方法的准确适用来达到对不同角度描述对象和对象间的进行交互审阅的活动，最终达到获取完善动态行为模型的目的。图2为智能评阅中教师的顺序图。
如图2所示，在基于十三点特征提取算法的智能评阅系统运行过程中，首先需要教师输入用户名和密码进行系统身份识别，识别模块根据教师输送信息的正确性判定是登录系统是否正常运行，以保障评阅功能的安全性，一旦输入的用户名和密码错误则立刻封闭主界面[5]。基于此技术，教师会对考试内容录入到试题数据库中并有针对性地进行选择。同时分配和设计试卷信息内容与题量和分值的分配情况，可以对学生的成绩考核情况进行分析和评价并输入到成绩统计分析模块中，并通过信息发布模块对重点题型和内容的信息进行发布。系统设计和开发过程中的关键步骤是智能评阅系统测试，包括性能链接测试和安全性测试。其中安全性测试主要包括对用户身份的识别认证、网络安全性能检测和保障以及数据库安全管理功能。智能评阅系统测试有助于保障系统质量，具有较高的可靠性，对现代化电子技术的发展有至关重要的作用。
3 结语
本文在改进十三点特征提取算法的基础上提出构建智能评阅系统的思路，对智能评阅系统的构建方法和用途进行了重点分析。实际开发过程涉及自动批阅等问题，对系统识别能力要求较高，导致系统的开发较为复杂。随着现代化网络技术的发展，人工智能识别及语言理解等技术的突飞猛进，基于十三点特征提取算法的智能评阅系统各性能将会进一步完善，具有广阔的应用前景。
参考文献
[1]费斐.基于改进算法的营养评价与膳食智能决策支持系统[J].自动化与仪器仪表，2016（4）：243-244.
[2]王东.基于改进随机抽取策略的智能组卷算法[J].山东理工大学学报：自然科学版，2017（4）：19-23.
[3]凌平，罗晨，苏春.基于层次分析法的智能夹具规划算法[J].中国机械工程，2015，26（15）：2109-2117.
[4]缪素琴.智能评阅背景下英语议论文元话语策略及评分相关度研究——以冰果系统为例[J].天津外国语大学学报，2014，21（6）：39-44.
[5]徐仁凤.基于句酷批改网的英语作文智能评阅系统使用的实证研究[J].南通航运职业技术学院学报，2017， 16（1）：85-87.
