| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 引言 | 第7-10页 |
| ·研究背景和目的 | 第7-8页 |
| ·本文工作及论文组织 | 第8-9页 |
| ·本文主要创新点 | 第9-10页 |
| 第二章 认知诊断简述 | 第10-20页 |
| ·认知诊断研究的意义 | 第10页 |
| ·认知诊断的概念 | 第10-11页 |
| ·实现认知诊断的三大理论基础 | 第11-12页 |
| ·认知诊断模型 | 第12-17页 |
| ·规则空间模型（Rule Space Model, RSM） | 第13-14页 |
| ·属性层级模型（Attribute Hierarchy Method ，AHM ） | 第14-17页 |
| ·国内外认知诊断研究现状 | 第17-20页 |
| 第三章 模式识别简述 | 第20-24页 |
| ·模式识别定义 | 第20页 |
| ·模式识别研究的内容 | 第20-21页 |
| ·模式识别方法 | 第21-23页 |
| ·统计决策理论方法 | 第21页 |
| ·结构模式识别方法 | 第21-22页 |
| ·模糊模式识别 | 第22页 |
| ·人工神经网络模式识别 | 第22-23页 |
| ·模式识别技术的近乎无限的发展潜力 | 第23-24页 |
| 第四章 人工神经网络简述 | 第24-38页 |
| ·人工神经网络简介 | 第24-25页 |
| ·人工神经网络的特点 | 第24-25页 |
| ·人工神经网络的主要研究方向 | 第25页 |
| ·人工神经网络分类 | 第25-26页 |
| ·前向型神经网络 | 第26-36页 |
| ·BP 神经网络(Back Propagation，BP) | 第27-29页 |
| ·径向基函数网络 | 第29-32页 |
| ·竞争型神经网络 | 第32-34页 |
| ·概率神经网络 | 第34-36页 |
| ·人工神经网络的发展趋势 | 第36-38页 |
| 第五章 人工神经网络在认知诊断分类中的应用 | 第38-44页 |
| ·前言 | 第38页 |
| ·人工神经网络认知诊断分类 | 第38-43页 |
| ·BP 神经网络的设计和训练 | 第40-41页 |
| ·Hamming 网络 | 第41-42页 |
| ·概率神经网络的创建、训练和测试 | 第42-43页 |
| ·结论 | 第43-44页 |
| 第六章实验以及结果分析 | 第44-56页 |
| ·实验设计 | 第44页 |
| ·实验数据的模拟 | 第44-51页 |
| ·期望反应模式 | 第45-49页 |
| ·观察反应模式 | 第49-50页 |
| ·训练集以及测试集 | 第50-51页 |
| ·评价指标 | 第51-52页 |
| ·实验结果及分析 | 第52-56页 |
| 第七章总结与展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 附录一 | 第63-64页 |
| 附录二 | 第64-66页 |
| 附录三 | 第66-67页 |
| 致谢 | 第67-68页 |
| 在学期间论文发表及参加课题情况 | 第68页 |
