首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--教学机、学习机论文

基于SVM&CBR的E-Learning情绪教学研究

摘要第4-5页
Abstract第5页
目录第6-8页
图目录第8-9页
表目录第9-10页
第一章 绪论第10-18页
    1.1 研究背景和意义第10-11页
        1.1.1 研究背景第10-11页
        1.1.2 研究意义第11页
    1.2 国内外研究现状第11-14页
        1.2.1 国外研究现状第12-13页
        1.2.2 国内研究现状第13页
        1.2.3 存在问题和不足第13-14页
    1.3 本文的主要研究工作第14-15页
    1.4 本文的主要章节安排第15-16页
    1.5 本章小结第16-18页
第二章 相关技术概述第18-26页
    2.1 E-Learning与情感计算第18-19页
        2.1.1 E-Learning教学理论第18页
        2.1.2 情感计算第18-19页
    2.2 情绪与认知第19-22页
        2.2.1 情绪第20页
        2.2.2 认知第20-21页
        2.2.3 情绪与认知的关系第21-22页
    2.3 机器学习第22-24页
        2.3.1 支持向量机第23页
        2.3.2 基于案例的推理第23-24页
    2.4 本章小结第24-26页
第三章 情绪认知个性化学生模型的研究第26-34页
    3.1 情绪型学生模型第26-28页
        3.1.1 基于OCC&三维情绪的学业情绪空间第26-28页
        3.1.2 人格类型划分第28页
    3.2 认知型学生模型第28-30页
    3.3 个性化学习风格学生模型第30-32页
        3.3.1 初始学习风格的获取第31页
        3.3.2 动态学习风格的建立第31-32页
    3.4 本章小结第32-34页
第四章 SVM构建动态个性化学习风格第34-48页
    4.1 SVM基本理论第34-39页
        4.1.1 经验风险第34-35页
        4.1.2 结构风险最小化第35-36页
        4.1.3 最优超平面第36-37页
        4.1.4 SVM基本原理第37-39页
    4.2 学习风格与学习行为第39-40页
    4.3 SVM构建动态个性化学习风格第40-46页
        4.3.1 基于SVM构建动态学习风格架构第40-42页
        4.3.2 SVM分类器设计第42-45页
        4.3.3 SVM分类结果分析第45-46页
    4.4 本章小结第46-48页
第五章 CBR情绪认知交互个性化教学策略第48-58页
    5.1 CBR基本理论第48-49页
    5.2 CBR情绪认知交互个性化教学策略第49-56页
        5.2.1 CBR情绪认知交互个性化教学策略架构第49-50页
        5.2.2 案例表示第50-51页
        5.2.3 案例检索第51-54页
        5.2.4 案例修正第54-55页
        5.2.5 案例保存第55页
        5.2.6 CBR情绪认知交互个性化教学策略示例第55-56页
    5.3 本章小结第56-58页
第六章 情绪认知个性化E-Learning平台第58-64页
    6.1 ECP-ITS平台架构第58-59页
    6.2 情绪认知个性化关键功能实现第59-62页
        6.2.1 情绪参数的获取第59页
        6.2.2 动态个性化学习风格第59-61页
        6.2.3 情绪认知交互个性化教学策略第61-62页
    6.3 本章小结第62-64页
第七章 总结与展望第64-68页
    7.1 研究成果第64-65页
    7.2 不足之处第65页
    7.3 进一步研究展望第65-68页
参考文献第68-72页
附录第72-76页
攻读硕士学位期间主要研究成果第76-78页
    参与的研究项目第76页
    参加的学术会议第76页
    发表的学术论文第76-78页
致谢第78页

论文共78页,点击 下载论文
上一篇:三维树木建模技术方法研究
下一篇:点灯检查机控制系统研究