摘要
本研究引入一种新的跨学科知识整合方法,即KIDDT(Knowledge Integration for Diverse Disciplinary Teams)算法,并通过一系列试验评估其在多模态学习环境中的性能。采用3种不同的模型,分别使用K-Means聚类算法、主成分分析和支持向量机、以及深度学习神经网络(CNN),对比它们的准确率和生成时间,深入研究了算法在不同条件下的表现。试验结果表明,在不同数据块数量和突变概念飘移影响下,3种模型展现出不同的性能特征。使用CNN的模型三在准确率方面表现出色,尤其在突变概念飘移的环境中更稳定,由于生成时间较长,因此在实际应用中需要在准确性和效率之间进行权衡。
出处
《中国新技术新产品》
2024年第11期56-58,共3页
New Technology & New Products of China
基金
浙江省教育科学规划2023年度一般规划课题“高职院校高水平专业群建设的成效评价制度与实践路径研究”(项目编号:2023SCG299)
浙江省教育厅2022年一般科研项目“职业本科教育的实施路径及策略研究”(项目编号:Y202250432)
中国职业技术教育学会课题“新版专业目录下土木建筑类专业体系优化升级”(项目编号:2021B131)。
