【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第1期 208-211页,共4页

【作 者】： 段秀娟

【摘 要】 研究考试状态识别准确监控问题。在考试过程中，考生的身体幅度可能出现较大的形变过程，形成疑似作弊过程，形状的相似性会给考生的作弊行为识别带来较大的干扰，传统的行为识别方法中，在人员晃动、轻微回头等行为干扰下，会产生误判，形成错误识别。为提高识别准确性，提出了一种基于聚类RBF神经网络算法的考试状态识别监控方法。利用傅里叶系数归一化方法，提取考试状态特征，将其作为考试状态识别监控的依据。利用聚类RBF神经网络算法，对考试状态进行有效识别，从而完成智能化考试状态识别监控。实验结果表明，利用改进算法进行考试状态识别监控，能够有效识别考生的作弊行为，避免由于考生轻微运动对识别造成的干扰，从而提高了考试状态识别监控的准确性。