| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 支持向量机参数优化研究现状 | 第11-12页 |
| 1.2.2 人工蜂群算法研究现状 | 第12页 |
| 1.3 论文的主要内容与结构 | 第12-14页 |
| 第二章 相关知识概述 | 第14-31页 |
| 2.1 人工蜂群算法 | 第14-19页 |
| 2.1.1 采蜜机理 | 第14页 |
| 2.1.2 算法描述 | 第14-17页 |
| 2.1.3 算法流程和步骤 | 第17-18页 |
| 2.1.4 算法时间复杂度分析 | 第18-19页 |
| 2.1.5 算法参数分析 | 第19页 |
| 2.2 支持向量机 | 第19-26页 |
| 2.2.1 线性支持向量机 | 第20-23页 |
| 2.2.2 非线性支持向量机 | 第23-24页 |
| 2.2.3 多分类支持向量机 | 第24-25页 |
| 2.2.4 K折交叉验证 | 第25-26页 |
| 2.3 慕课学习者类型概念 | 第26-29页 |
| 2.3.1 慕课学习者类型 | 第26-27页 |
| 2.3.2 MOOC学习数据特点 | 第27页 |
| 2.3.3 MOOC学习者类型识别方法 | 第27-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 改进的GABC优化支持向量机 | 第31-51页 |
| 3.1 改进的GABC算法 | 第31-45页 |
| 3.1.1 算法的改进 | 第31-37页 |
| 3.1.1.1 初始化蜜源的改进 | 第31-33页 |
| 3.1.1.2 蜂群搜索公式的改进 | 第33-37页 |
| 3.1.1.3 蜂群搜索维度的改进 | 第37页 |
| 3.1.2 改进算法步骤 | 第37-38页 |
| 3.1.3 改进算法时间复杂度分析 | 第38页 |
| 3.1.4 实验例证与结果分析 | 第38-45页 |
| 3.2 改进的GABC优化支持向量机 | 第45-49页 |
| 3.2.1 支持向量机参数介绍 | 第45-47页 |
| 3.2.2 改进的GABC优化支持向量机流程 | 第47-48页 |
| 3.2.3 实验例证与结果分析 | 第48-49页 |
| 3.3 本章小结 | 第49-51页 |
| 第四章 IGABC-SVM在MOOC学习模式识别中的应用 | 第51-60页 |
| 4.1 数据来源 | 第51页 |
| 4.2 MOOC学习模式识别流程 | 第51-52页 |
| 4.3 数据选取 | 第52-53页 |
| 4.4 数据压缩预处理 | 第53-57页 |
| 4.4.1 特征提取 | 第53-55页 |
| 4.4.2 样本约减 | 第55-57页 |
| 4.5 实验参数设置与结果分析 | 第57-59页 |
| 4.6 本章小结 | 第59-60页 |
| 结论与展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间取得的研究成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 答辩委员会对论文的评定意见 | 第68页 |