| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-8页 |
| 1 引言 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外的研究现状 | 第9-10页 |
| 1.3 本文的主要内容及创新点 | 第10-11页 |
| 1.4 本文的组织结构 | 第11-13页 |
| 2 模式识别 | 第13-17页 |
| 2.1 模式识别简介 | 第13-16页 |
| 2.1.1 模式及模式识别 | 第13-14页 |
| 2.1.2 模式识别方法 | 第14页 |
| 2.1.3 模式识别系统 | 第14-15页 |
| 2.1.4 模式识别的应用 | 第15页 |
| 2.1.5 模式识别技术的发展趋势 | 第15-16页 |
| 2.2 模式识别与认知诊断 | 第16-17页 |
| 3 一些认知诊断模型 | 第17-30页 |
| 3.1 认知诊断模型的简介 | 第17-18页 |
| 3.2 线性逻辑斯蒂克特质模型 | 第18页 |
| 3.3 规则空间模型 | 第18-23页 |
| 3.3.1 Q 矩阵理论 | 第19-22页 |
| 3.3.2 模式分类 | 第22-23页 |
| 3.4 属性层级模型 | 第23-26页 |
| 3.5 DINA 模型 | 第26-27页 |
| 3.6 广义距离判别法 | 第27-30页 |
| 4 计算机化自适应诊断测验（CD-CAT） | 第30-38页 |
| 4.1 CD-CAT 简介 | 第30页 |
| 4.2 CD-CAT 的选题策略 | 第30-36页 |
| 4.2.1 相对熵（KL） | 第30-31页 |
| 4.2.2 香农熵（SHE） | 第31-33页 |
| 4.2.3 最大期望判准率 | 第33-34页 |
| 4.2.4 修正的整体判别指标法（MGDI） | 第34-35页 |
| 4.2.5 CDM 信息量指标法（CDI） | 第35页 |
| 4.2.6 改进的整体判别 CDM 信息量指标法（MGCDI） | 第35-36页 |
| 4.3 CD-CAT 的项目曝光控制方法 | 第36-38页 |
| 5 实验设计及结果分析 | 第38-48页 |
| 5.1 实验设计 | 第38-41页 |
| 5.1.1 生成被试 | 第39页 |
| 5.1.2 建立题库 | 第39-40页 |
| 5.1.3 构建测验 | 第40-41页 |
| 5.1.4 模拟得分阵 | 第41页 |
| 5.2 评价指标 | 第41-43页 |
| 5.3 实验结果及分析 | 第43-48页 |
| 5.3.1 实验结果 | 第43-46页 |
| 5.3.2 实验结果分析 | 第46-48页 |
| 6 结论 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 附录 | 第54-56页 |
| 致谢 | 第56-57页 |
| 在读期间公开发表论文（著）及科研情况 | 第57页 |