人工神经网络课程设计-神经网络在CET主观题阅卷中空白题识别..docVIP

神经网络在CET主观题阅卷中空白题识别方课题背景 随着计算机技术的发展，一些大规模考试（如）的阅卷方式已由传统的纸笔阅卷过渡到计算机甚至网上阅卷。其中，主观题的阅卷一般是将原始试卷扫描成灰度图像，再将图像输出到显示器上供阅卷员评阅。以为例，先是将主观题答题卡扫描成灰度图像，再按题目将图像分割成一个个小块，每道题目为一个图像文件，最后把一个个图像文件依次输出到显示器。我们自身的阅卷经历以及对部分阅卷员的访谈表明，每次主观题阅卷都会有一定数量的空白题。如果这些空白题不必由阅卷员评分，而是由计算机自动识别并赋分，无疑能减轻阅卷员的工作量，提高阅卷效率，降低阅卷成本，节约人力、物力和财力。 从扫描后的图像来看，空白题和非空白题的主要区别在于像素灰度值，作答部分的灰度值接近，空白部分接近。但由于作答笔迹有轻有重，扫描清晰度不高，很难直接用像素灰度值加以区分（贾志先），需采用一定的技术进行识别。实现空白题自动识别的技术路线较多，如神经网络、支持向量机等。其中神经网络较为简单实用。本研究将尝试利用神经网络进行空白题识别技术的开发，并讨论该技术在主观题阅卷中的应用。利用神经网络进行空白题识别，最关键的是要保证识别的准确性与稳定性，即保证未作答的空白题一定赋分，而考生作答了的一定不赋分，留待人工评阅。如何确保空白题识别技术具有较高的准确性与稳定性是本研究需解决的主要问题。 二、理论基础 神经网络是一