發(fā)布時間：2023-04-02 10:09

　　隨著人工智能技術與教育應用研究的深度融合發(fā)展,以教師引導、學習者主導、領域知識模型為架構的在線學習系統(tǒng)服務不斷完善。在線學習不僅能解決傳統(tǒng)學習領域中的地理位置、學習時間以及學習資源等方面限制問題,而且也能為學習者提供方便、實時、互動的在線學習環(huán)境,已成為互聯(lián)網(wǎng)領域重要的應用之一。學習情境可計算、學習主體可理解以及學習服務可定制是實現(xiàn)個性化在線學習的三大核心問題,根據(jù)學習者的個體認知能力差異,從眾多的在線學習資源中發(fā)現(xiàn)、導入、組合、生成以及分發(fā)給與學習者能力和需求相匹配的資源內容與資源序列,需要為學習者提供智能化、動態(tài)化、個性化的在線學習資源序列化服務,從而提高在線學習者的學習效率,已成為在線智能學習領域重要研究內容。然而,在線學習過程中學習者個性化特征具有多變性和難以量化性,在線學習資源的海量性和復雜性,導致在線學習資源序列化服務研究方面存在著學習資源推薦難度大、推薦方法速度慢、推薦精度不高以及學習路徑匹配度低等一系列問題。在這樣的背景下,本文從在線學習資源序列化服務不同階段的數(shù)學模型構建入手,深入分析在線學習資源序列化服務特征,通過對計算智能領域粒子群算法的優(yōu)化研究,提高學習資源推薦...

【文章頁數(shù)】：156 頁

【學位級別】：博士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 在線學習資源序列化服務研究現(xiàn)狀
        1.2.1 基于推薦方法的在線學習資源序列化服務
        1.2.2 基于計算智能的在線學習資源序列化服務
    1.3 目前存在的問題
    1.4 本文的主要研究工作
    1.5 本論文的組織
第2章 基于進化狀態(tài)判定的模糊二進制粒子群優(yōu)化算法
    2.1 引言
    2.2 二進制粒子群算法基本原理
    2.3 基于進化狀態(tài)判定的模糊二進制粒子群優(yōu)化算法 EFBPSO
        2.3.1 EFBPSO算法優(yōu)化思想
        2.3.2 EFBPSO算法性能分析
        2.3.3 EFBPSO算法基本步驟
    2.4 EFBPSO算法實驗仿真及分析
        2.4.1 EFBPSO算法流程
        2.4.2 仿真實驗設置
        2.4.3 實驗結果及分析
    2.5 在線學習資源推薦方法 EFBPSO-RA
        2.5.1 EFBPSO-RA 方法資源推薦基本步驟
        2.5.2 EFBPSO-RA方法資源推薦性能分析
    2.6 本章小結
第3章 基于多維特征差異發(fā)現(xiàn)的在線學習資源推薦服務
    3.1 引言
    3.2 個性化在線學習資源推薦問題描述
    3.3 多維特征差異發(fā)現(xiàn)的在線學習資源推薦模型設計
        3.3.1 在線學習資源推薦模型POLMRM構建
        3.3.2 資源推薦模型POLMRM參數(shù)描述
        3.3.3 在線學習資源推薦目標函數(shù)設計
        3.3.4 面向學習者特征偏好的估計算法
    3.4 個性化在線學習資源推薦方法 POLMRM-RA
        3.4.1 個性化在線學習資源推薦方法流程
        3.4.2 ABPSOA 算法優(yōu)化基本思路
    3.5 實驗仿真與結果分析
        3.5.1 實驗評估標準與參數(shù)設置
        3.5.2 推薦前后資源分布狀態(tài)分析
        3.5.3 ABPSOA 算法收斂性分析
        3.5.4 方法執(zhí)行性能對比分析
    3.6 本章小結
第4章 基于多維信息特征映射模型的在線學習路徑規(guī)劃服務
    4.1 引言
    4.2 在線學習路徑規(guī)劃問題描述
        4.2.1 在線學習資源智能推薦
        4.2.2 學習知識點連續(xù)性問題
        4.2.3 在線學習路徑規(guī)劃問題定義
    4.3 在線學習路徑規(guī)劃模型構建
        4.3.1 學習路徑規(guī)劃相關定義
        4.3.2 學習路徑規(guī)劃參數(shù)設置
        4.3.3 學習路徑規(guī)劃子目標函數(shù)
    4.4 在線學習路徑規(guī)劃方法 MIFMM-PPA
        4.4.1 學習路徑規(guī)劃問題流程
        4.4.2 學習路徑規(guī)劃算法NBPSO
    4.5 實驗仿真與結果分析
        4.5.1 在線學習路徑規(guī)劃序列過程分析
        4.5.2 在線學習路徑規(guī)劃綜合性能分析
    4.6 本章小結
第5章 基于鄰居均值變異多目標粒子群算法的在線課程資源生成服務
    5.1 引言
    5.2 相關工作
        5.2.1 多目標優(yōu)化問題
        5.2.2 多目標優(yōu)化視角下在線課程資源生成模型設計
    5.3 在線課程資源生成服務子目標沖突性分析
    5.4 基于鄰居均值變異的多目標粒子群優(yōu)化算法
        5.4.1 無速度多目標粒子群算法
        5.4.2 鄰居均值變異算子
        5.4.3 多目標粒子群優(yōu)化算法 AMOPSO
        5.4.4 AMOPSO算法性能仿真實驗
    5.5 在線課程資源生成方法 AMOPSO-GA
    5.6 實驗仿真與結果分析
        5.6.1 仿真實驗設計
        5.6.2 實驗結果分析
    5.7 本章小結
第6章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
致謝
攻讀學位期間參加的科研項目和成果



本文編號：3779035