聚类算法在网络学习学生模型构建中的应用研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·选题背景与研究意义 | 第7-8页 |
| ·研究的主要问题及国内外发展现状 | 第8-9页 |
| ·本文主要安排 | 第9-11页 |
| 第二章 聚类算法综述 | 第11-18页 |
| ·主要聚类方法的划分 | 第11-13页 |
| ·层次聚类 | 第13-15页 |
| ·划分聚类 | 第15-18页 |
| ·K均值聚类 | 第15-16页 |
| ·模糊C均值聚类算法（FCM） | 第16-18页 |
| 第三章 网络学习学生模型设计 | 第18-33页 |
| ·学生模型概述 | 第18页 |
| ·常见学生模型 | 第18-19页 |
| ·构建学习者特征数据库 | 第19-24页 |
| ·学习者特征的重要性 | 第19-21页 |
| ·学习者特征分析 | 第21-24页 |
| ·学生模型设计 | 第24-33页 |
| ·知识模型设计 | 第24-25页 |
| ·认知水平模型设计 | 第25-26页 |
| ·学习心理模型设计 | 第26-28页 |
| ·学习情绪模型设计 | 第28-30页 |
| ·媒体偏好模型设计 | 第30-31页 |
| ·社会特征模型设计 | 第31-33页 |
| 第四章 数据预处理方法研究 | 第33-45页 |
| ·数据变换 | 第33-35页 |
| ·数据规范化方法 | 第33-35页 |
| ·程序实现 | 第35页 |
| ·聚类效果评价方法 | 第35-39页 |
| ·评价方法的选择 | 第36页 |
| ·聚类结果类标识排序的实现 | 第36-38页 |
| ·传统评价方法的不足 | 第38-39页 |
| ·实验与分析 | 第39-43页 |
| ·Iirs(鸢尾花)数据集的数据规范化实验 | 第39-40页 |
| ·Wine数据集的数据规范化实验 | 第40-41页 |
| ·相切圆面数据集的数据规范化实验 | 第41页 |
| ·数据规范化实验结果分析 | 第41-43页 |
| ·数据集的属性排序和选取 | 第43-45页 |
| 第五章 聚类算法在学生模型构建中的应用 | 第45-57页 |
| ·聚类算法的对比实验 | 第45-50页 |
| ·基于Iris数据集的对比实验 | 第46-47页 |
| ·基于Wine数据集的对比实验 | 第47-48页 |
| ·基于人工仿真数据集的对比实验 | 第48-50页 |
| ·算法的选择 | 第50-51页 |
| ·应用实例分析 | 第51-57页 |
| ·数据采集 | 第51-52页 |
| ·学生媒体偏好模型中的应用 | 第52-55页 |
| ·学生社会特征模型中的应用 | 第55-57页 |
| 第六章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 发表论文和科研情况说明 | 第61-62页 |
| 致谢 | 第62页 |
