简介:二战以来的美国本科院校招生,通常实施以招生考试成绩为主的综合评价录取政策。20世纪90年代,270多所美国高校招生实施了新的综合评价政策——非强制性考试入学政策,学生的招生考试成绩成为高校招生录取的非必要条件。2008年以后,该政策的实施进入迅猛发展阶段,实施该政策的高校达一千余所。其迅猛发展的主要原因在于:高校致力于降低招生考试的负效;部分州取消《平权法案》加速了高校改善招生公平;满足高校招收个性学生的竞争需要;适应高中课程变革的要求。美国高校实施非强制性考试入学政策,一直伴随着很大的争论,其核心是招生考试的科学性与公平性。这对于我们深入反思招生考试的功能以及如何更好地利用招生考试成绩录取学生提供了很好的案例与启示。
简介:为了解决当前工业仪表示数在采图环境恶劣和样本数据量大的情况下所导致的算法识别不准确的问题,分别从特征学习与机器学习识别的角度出发,提出了基于特征学习与支持向量机的工业仪表状态识别算法。首先,提取仪表图像区域字符的几何特征和颜色特征,对这些提取出的特征进行归一化处理,设计出特征提取分析算子,达到精准提取有用特征数据的目的。然后,基于支持向量机,计算出分类器的最优平面和约束条件,从而建立仪表识别算子,进一步精确识别仪表示数。最后,基于软件开发环境QT实现算法,并系统集成。实验测试结果显示:与当前仪表识别技术相比,此算法拥有更高的准确性与稳定性,能够准确地根据仪表数字识别出电压,从而确定仪表工作状态是否正常。