| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·研究背景及意义 | 第11-12页 |
| ·相关工作 | 第12-14页 |
| ·项目反应理论3PLM参数估计方法研究 | 第12-13页 |
| ·粒子群算法的改进研究 | 第13-14页 |
| ·本文工作 | 第14-15页 |
| ·本文组织结构 | 第15-16页 |
| 第2章 项目反应理论(IRT)的基本概念与原理 | 第16-24页 |
| ·项目反应理论的基本概念 | 第16-18页 |
| ·潜在特质理论 | 第16-17页 |
| ·项目特征曲线 | 第17-18页 |
| ·项目反应理论的基本模型 | 第18-19页 |
| ·正态肩形模型 | 第18页 |
| ·拉希模型 | 第18页 |
| ·逻辑斯蒂克模型 | 第18-19页 |
| ·项目反应理论的参数估计 | 第19-23页 |
| ·模型的假设与问题的转化 | 第19-20页 |
| ·极大似然估计法 | 第20-22页 |
| ·常用的参数估计方法 | 第22-23页 |
| ·项目反应理论常用的参数估计方法在实际应用中的不足 | 第23-24页 |
| 第3章 对应用粒子群算法解决项目反应理论中参数估计的研究 | 第24-29页 |
| ·粒子群算法产生的背景 | 第24页 |
| ·基本粒子群算法流程与框架 | 第24-27页 |
| ·粒子群算法应用在IRT参数估计中的可行性分析 | 第27-28页 |
| ·基本粒子群算法直接应用在IRT参数估计中的不足 | 第28-29页 |
| 第4章 一种改进新型混合粒子群算法 | 第29-44页 |
| ·粒子群算法全局模型的改进 | 第29-32页 |
| ·粒子群算法两种模型 | 第29-30页 |
| ·子群的拓扑结构 | 第30页 |
| ·算法对全局版本PSO的改进 | 第30-32页 |
| ·粒子群算法搜索精度改进 | 第32-34页 |
| ·增强算法局部搜索的改进 | 第32-33页 |
| ·增加种群多样性的改进 | 第33-34页 |
| ·改进的新型混合粒子群算法的具体描述 | 第34-39页 |
| ·改进混合粒子群算法思想 | 第34-35页 |
| ·改进混合粒子群算法步骤 | 第35-37页 |
| ·改进混合粒子群算法流程图 | 第37-38页 |
| ·改进混合粒子群算法优点 | 第38-39页 |
| ·针对改进算法的常用函数测试 | 第39-44页 |
| ·函数实例选择 | 第39-40页 |
| ·函数测试结果 | 第40-42页 |
| ·函数测试结果分析 | 第42-44页 |
| 第5章 改进混合粒子群算法在IRT理论3PLM参数估计中应用 | 第44-55页 |
| ·项目反应理论参数估计测试情况的选定 | 第44-45页 |
| ·基于改进新型混合粒子群算法的3PLM参数估计方案 | 第45-47页 |
| ·粒子群算法目标函数的确定 | 第45页 |
| ·改进粒子群算法参数与IRT中各参数值的确定 | 第45-46页 |
| ·改进的混合粒子群算法的参数估计方法步骤 | 第46-47页 |
| ·粒子群规模大小的确定 | 第47页 |
| ·验证改进算法的蒙特卡洛模拟实验用例 | 第47-54页 |
| ·蒙特卡洛实验介绍 | 第47-48页 |
| ·验证改进粒子群算法的统计量的选择 | 第48-49页 |
| ·验证改进算法的实验流程 | 第49页 |
| ·蒙特卡洛模拟实验用例 | 第49-53页 |
| ·程序运行结果 | 第53-54页 |
| ·实验结论 | 第54页 |
| ·小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| ·结论 | 第55-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 作者简介及在学期间所取得的科研成果 | 第60-61页 |
| 致谢 | 第61页 |
