一种改进的分层并行演化算法(英文)

提出了一种改进的分层并行演化算法。针对传统算法中"同构子种群"和"同步通信"所引发的问题,新算法构建了异构模型,并将各子种群充分连接。子种群一旦满足迁移条件,便可按照预设的迁移模式实施异步迁移。仿真实验结果表明,本文提出的新算法有效地解决了"征服问题"和"无效问题",避免了算法的过早收敛,提高了算法的效率。     

概率逻辑与模糊逻辑在精细化学习诊断中的对比研究

精细化学习诊断有助于客观准确探究学生学习现状,为实施有针对性的补救教学提供理论和数据支持。本文对比研究概率逻辑与模糊逻辑在精细化学习诊断中的表现。首先,从“概念”视角介绍和对比两种逻辑。其次,介绍两个分别基于上述两逻辑的代表性模型：HO-PINC和Fuzzy-DINA。然后,对比两模型在五个实证数据上表现。最后,通过模拟研究进一步对比两模型的心理计量学性能。DIC等模型-数据拟合指标和RMSE等参数返真性指标的结果表明两模型对同一批数据有较一致的分析结果。建议实践者忽略模型选择对数据分析的影响,从概念或思辨视角入手选择使用概率逻辑或模糊逻辑来定义属性。     

自然灾害与东汉神学的嬗变

一东汉可谓是我国历史上一个多灾多难的时期。据《后汉书》诸帝纪、五行志、《东汉会要》、王先谦的《后汉书补注》等有关资料统计：东汉195年的历史里(公元25年—220年),共发生自然灾害211次之多(地震50次,旱灾49次,水灾49次．蝗灾39次,瘟疫14次),可谓是此伏彼起,     

记忆准确性的认知取向研究

阐述了记忆准确性认知取向的五种理论主要有图示重建理论、模糊痕迹记忆理论、源监控理论、归因取向理论和记忆建构理论;并对这五种理论作了简评。     

秋心清朗

一声天凉好个秋的余音还在,眼前却已是落叶纷纷,寒意袭人。真个是"未觉池塘春草梦,阶前梧叶已秋声"。捧一杯热茶,临窗站在萧瑟的寒风里,不免陡生时光无情、岁月倏忽之感叹。窗外,一场雨忽紧忽慢地下着,没有春的温柔劲,更无夏的激情,却分明多了一丝缠绵,让人生出些慵懒,涌起一丝莫名的伤感。心中就想起一些模糊的面孔、一些过往的事来。当从泛     

期刊简介

《心理学报》是中国心理学会和中国科学院心理研究所主办的全国性学术刊物，1956年创刊，主要发表我国心理学家最新、最高水平的心理学科技论文。《心理学报》是国家科技部《中国科技论文统计源期刊》（CSTPCD）；中国科学文献计量评价研究中心（中国科学院文献情报中心、     

决策的加工过程及个体差异:模糊痕迹理论视角

模糊痕迹理论是行为决策领域的重要解释理论,它认为个体在加工信息时存在字面加工和要义加工两种方式,在决策时个体更倾向于使用要义加工,而且这两种加工存在个体差异。决策的加工模型依据模糊痕迹理论提出,以框架效应和风险知觉为例对该模型进行解释。模糊痕迹理论通过分析加工方式的个体差异来解释决策的个体差异。未来研究应进一步比较模糊痕迹理论与其他理论,完善根据模糊痕迹理论提出的决策加工模型,并深入探索决策的个体差异。     

程度函数及其可靠性

通过实验及理论分析,验证并给出了：１．程度函数ａ的可靠性θ的取值范围为：１／ｍ≤θ≤１／ｍ∑ｂｋｙｊｐ。θ值的大小与可靠性呈反向变化：ａ的可靠性大,θ值小,ａ的可靠性小θ值大,一般情况下的θ值,为θ的上界与下界之和的一半;２．采用集值统计模型和一般统计模型处理多级估量法多人次结果,所得到的程度函数平均数几乎相等,而且相关系数高达０．９７７．非常显著．分组数据计算、单一数据计算或全部数据统一计算的程度函数ａ及可靠性θ值也都相等．３．一般统计模型处理多级估量法多人次结果所得到的标准差σ,只反映各被试的程度函数之间的变异,与程度函数可靠性无关（相关系数０．００２４,非常不显著）．如果个人结果中按公式θ＝１／ｍ∑ｅｊ再计算可靠性θ值,然后再求其平均数及标准差,还可进一步了解可靠性θ值的变异情况．     

垂钓人生

人生如钓。接触钓鱼的时间不长也不短,从最初对钓鱼概念的模糊,到热恋时期跟着喜欢钓鱼的爱人一起感受钓鱼的乐趣……直至忙碌的工作让我渐渐远离钓鱼,我始终觉得钓鱼是一种境界。而人生与钓鱼又是如此相似,看着每一位钓鱼痴迷者,我的脑海中不禁浮现出我们忙碌一生的生活之旅。     

结构方程模型统计检验力分析：原理与方法

结构方程模型是心理学、管理学、社会学等学科中重要的统计工具之一。然而, 大量使用结构方程模型的研究忽视了对该方法的统计检验力进行必要的分析和报告, 在一定程度上降低了这些研究的结果的证明效力。结构方程模型的统计检验力分析方法主要有Satorra-Saris法、MacCallum法与Monte Carlo法三类。其中Satorra-Saris法适用于备择模型清晰、检验对象相对简单、检验方法基于χ²分布的情形; MacCallum法适用于基于χ²分布的模型拟合检验且备择模型不明的情形; Monte Carlo法适用于检验对象相对复杂、采用模拟或重抽样方法进行检验的情形。在实际应用中, 研究者应当首先判断检验的目的、方法以及是否有明确的备择模型, 并根据这些信息选择具体的分析方法。