| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究问题的提出 | 第10页 |
| 1.3 研究问题现状分析 | 第10-12页 |
| 1.4 研究内容 | 第12页 |
| 1.5 概念的界定 | 第12-13页 |
| 1.6 研究方案 | 第13-14页 |
| 1.6.1 研究方法 | 第13-14页 |
| 1.6.2 研究过程 | 第14页 |
| 1.7 论文结构 | 第14-15页 |
| 1.8 本章小结 | 第15-16页 |
| 2 国内外相关研究综述 | 第16-27页 |
| 2.1 基于协同过滤推荐的在线学习资源编列研究综述 | 第16-18页 |
| 2.2 基于智能优化算法的在线学习资源编列研究综述 | 第18-24页 |
| 2.3 负相关算法研究概述 | 第24-25页 |
| 2.4 本章小节 | 第25-27页 |
| 3 在线学习资源特征的参数化表示 | 第27-31页 |
| 3.1 在线学习资源编列问题描述 | 第27-28页 |
| 3.2 在线学习者参数化表示 | 第28-29页 |
| 3.3 在线学习资源参数化表示 | 第29-30页 |
| 3.4 本章小节 | 第30-31页 |
| 4 负相关算法的优化及应用研究 | 第31-42页 |
| 4.1 负相关算法介绍 | 第31-34页 |
| 4.1.1 相关术语介绍 | 第31-33页 |
| 4.1.2 负相关算法基本结构 | 第33-34页 |
| 4.2 负相关算法的改进 | 第34-37页 |
| 4.3 基于改进负相关算法的在线学习资源编列机制 | 第37-41页 |
| 4.3.1 学习资源编列问题模型 | 第37-39页 |
| 4.3.2 基于改进负相关算法的学习资源编列步骤 | 第39-41页 |
| 4.4 本章小节 | 第41-42页 |
| 5 仿真实验 | 第42-50页 |
| 5.1 实验环境 | 第42页 |
| 5.2 实验及分析 | 第42-46页 |
| 5.2.1 算法性能测试 | 第42-43页 |
| 5.2.2 适应度值比较 | 第43-44页 |
| 5.2.3 算法迭代次数比较 | 第44-45页 |
| 5.2.4 算法执行时间比较 | 第45-46页 |
| 5.3 有效性验证 | 第46-49页 |
| 5.4 本章小节 | 第49-50页 |
| 6 总结与展望 | 第50-53页 |
| 6.1 研究结论 | 第50-51页 |
| 6.2 研究创新点与难点 | 第51-52页 |
| 6.2.1 研究创新点 | 第51页 |
| 6.2.2 研究难点 | 第51-52页 |
| 6.3 研究展望 | 第52页 |
| 6.4 结束语 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间参加的科研项目和成果 | 第59页 |