近年来,随着大数据(Big Data)、云计算(Cloud Computing)、物联网(Internet of Things)等新一代信息技术的不断发展,人们获取知识、信息的途径也发生着深刻地变化,机器学习(Machine Learning)、智慧教育(Wisdom Education)、教育大数据(Education Big Data)等新理念正在改变着传统的教育生态、教学形态和学习方式,同时也推动着教育现代化向信息化的深度发展。考试是教学行为中了解学生对知识、理论掌握程度,评价教学效果的重要环节,传统的人工改卷成了教师的主要负担,这不仅改卷的时间长,而且还容易出现错误。特别是在主观题的阅卷中教师的主观因素对评分会有不同程度的影响,比如学生试卷的整洁程度、字体是否工整、教师当时的情绪等因素,这些都可能导致阅卷给分的误差,影响考生得分的客观公正性。而计算机进行自动阅卷不仅速度快、效率高,还能不受主观因素影响,尤其对大规模大批量的考试起着更为重要的意义。因此,研究开发计算机自动阅卷系统,不仅可以大大减轻教师工作负担,有助于教师集中精力开展教学创新和科学研究,而且便于及时真实地采集学生的学习数据,运用大数据技术挖掘学生个性特征,结合互联网技术和云计算技术推动智慧教育的快速发展。本文首先回顾了国内外机器自动阅卷的发展历史,分析了其技术发展现状,针对主观题自动阅卷的难点,将机器学习中深度学习(Deep Learning)的理念应用到主观题自动阅卷系统设计中,对数学题型构建分层模型,把题目进行分类,对分类后的题目再进行分层处理,以达到能够对大量的学生作业考试信息进行深度的挖掘分析,提取出有用的特征信息,来促进学生的个性化高效学习。系统针对主观题自动阅卷对标准答案录入以及填写要求苛刻的问题,进行了优化设计,只需输入题目所问的问题、题目分数、题目标准答案及权值。其次针对数学里专有名词比较多,而正向最大匹配算法(FMM)对专有名词的分词率较低的情况,对正向最大匹配算法进行了改进,提高了分词正确率,并且把模糊数学里贴近度的理论知识运用到了本系统对关键词匹配的相似度计算中。最后本文综合运用了二值化处理(Otsu算法)、角点检测(Harris算法)、直线检测(Hough算法)以及图形参数计算等算法,实现了对几何作图题的参数计算。本文提出了新型的中小学数学自动阅卷系统的架构模型,并开发了中小学数学主观题的自动阅卷系统,通过实际的中小学数学试题测试,证明了本论文所研究设计实现的系统的实用性和准确性,具有很好的应用推广价值。