论文部分内容阅读
在计算机评卷过程中,通常方法是将试卷扫描成灰度图像,由评卷人员对扫描图像进行评卷。有些试卷是空白试卷,可以通过计算机识别后,直接给分。在一些情况下,很难直接用像素灰度值来区分空白试卷和非空白试卷。研究表明,像素灰度值的列向量或行向量的标准差可以将空白试卷的特征表现出来。神经网络具有自组织、自学习、非线性逼近能力,应用神经网络可以有效地识别出空白试卷。为了便于神经网络进行空白试卷的识别,减小神经元的数量,可将图像像素灰度值列向量标准差的标准差和行向量标准差的标准差作为区分空白试卷和非空白试卷的影响因子。