公开(公告)号：CN114743137B

公开(公告)日：2024-11-05

申请号：CN202210328207.6

申请日：2022-03-31

Applicant: 大连理工大学

Inventor： 刘烨萌 ,  任静 ,  于硕 ,  徐健朔 ,  万婧 ,  夏锋

IPC: G06V20/40 ,  G06T7/73 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于多实例学习的在线考试作弊识别方法，涉及考试作弊识别技术领域，本发明包括如下步骤：获取视频信息，并提取视频特征；对提取的所述视频特征进行连续采样，确定视频特征中的异常视频；对所述异常视频利用多实例生成器为每个异常视频生成片段标签；本发明通过作弊识别方法的实施，能够准确容易发现作弊行为，并且检测效率较高，存在具体的判断标准，准确性较高，并且能够对很少作弊检测的数据进行准确定位，解决了难以收集的问题，能够快速找出空间中的可疑位置，还能够解决弱监督方式下存在的检测问题，减轻了人员的负担，提高了作弊检测识别的效率和精准度，方便人员使用。

公开(公告)号：CN114743137A

公开(公告)日：2022-07-12

申请号：CN202210328207.6

申请日：2022-03-31

Applicant: 大连理工大学

Inventor： 刘烨萌 ,  任静 ,  于硕 ,  徐健朔 ,  万婧 ,  夏锋

IPC: G06V20/40 ,  G06T7/73 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多实例学习的在线考试作弊识别方法，涉及考试作弊识别技术领域，本发明包括如下步骤：获取视频信息，并提取视频特征；对提取的所述视频特征进行连续采样，确定视频特征中的异常视频；对所述异常视频利用多实例生成器为每个异常视频生成片段标签；本发明通过作弊识别方法的实施，能够准确容易发现作弊行为，并且检测效率较高，存在具体的判断标准，准确性较高，并且能够对很少作弊检测的数据进行准确定位，解决了难以收集的问题，能够快速找出空间中的可疑位置，还能够解决弱监督方式下存在的检测问题，减轻了人员的负担，提高了作弊检测识别的效率和精准度，方便人员使用。

公开(公告)号：CN110309322A

公开(公告)日：2019-10-08

申请号：CN201910485980.1

申请日：2019-06-05

Applicant: 大连理工大学

Inventor： 夏锋 ,  郑文青 ,  任静 ,  刘嘉莹 ,  孔祥杰

IPC: G06F16/38 ,  G06Q10/06 ,  G06Q50/20

Abstract: 本发明提供了一种基于导师-学生二分网络的导师影响力评估方法，属于计算机软件领域。该方法通过多指标综合评价方法计算学生综合指标得分并建立导师与学生间的网络关系进行分析。本方法将微软数据集和Web of Science期刊影响因子数据集进行处理，提取出学生的各个评价指标，利用综合评价方法对这些指标进行综合评价打分，将这些得分通过学术年龄进行调节获取最终学生综合得分，然后建立导师-学生二分网络，并将学生的综合得分带入二分网络中，通过随机游走的方式对导师的影响力进行计算，最后带入导师学术年龄进行调节，从而得到导师的影响力指数。