| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题的背景和意义 | 第11-12页 |
| 1.2 研究内容 | 第12页 |
| 1.3 论文组织结构 | 第12-15页 |
| 第2章 研究基础 | 第15-27页 |
| 2.1 学生评价方法 | 第15页 |
| 2.2 前馈型神经网络模型 | 第15-17页 |
| 2.3 极限学习机模型 | 第17-19页 |
| 2.3.1 理论基础 | 第17页 |
| 2.3.2 ELM算法描述 | 第17-19页 |
| 2.4 人工蜂群算法 | 第19-22页 |
| 2.4.1 人工蜂群算法原理 | 第19-20页 |
| 2.4.2 人工蜂群算法数学描述 | 第20-22页 |
| 2.5 隐马尔可夫模型 | 第22-25页 |
| 2.5.1 HMM的三个基本问题 | 第22-23页 |
| 2.5.2 前向后向算法 | 第23-24页 |
| 2.5.3 Baum-Welch算法 | 第24-25页 |
| 2.6 小结 | 第25-27页 |
| 第3章 系统分析 | 第27-37页 |
| 3.1 用例分析 | 第27-29页 |
| 3.2 功能结构设计 | 第29页 |
| 3.3 数据库设计 | 第29-34页 |
| 3.4 系统中的评价指标权重分配及学习趋势评价问题 | 第34-35页 |
| 3.5 小结 | 第35-37页 |
| 第4章 基于ABC-ELM的评价指标权重分配方法 | 第37-51页 |
| 4.1 基于ELM的评价指标权重分配思路 | 第37-38页 |
| 4.2 基于ABC-ELM的评价指标分配方案推测 | 第38-41页 |
| 4.2.1 评价结果与评价指标状态之间映射关系的神经网络模型 | 第38-40页 |
| 4.2.2 基于ABC-ELM的评价指标权重分配推测过程 | 第40-41页 |
| 4.3 基于ABC-ELM的指标权重分配学习 | 第41-45页 |
| 4.3.1 基于ABC-ELM的指标权重分配学习算法设计 | 第41-44页 |
| 4.3.2 基于ABC-ELM的指标权重分配学习算法 | 第44-45页 |
| 4.4 实验分析 | 第45-49页 |
| 4.4.1 实验环境 | 第45-46页 |
| 4.4.2 实验方案设计 | 第46-47页 |
| 4.4.3 实验结果分析 | 第47-49页 |
| 4.5 小结 | 第49-51页 |
| 第5章 基于HMM的学习趋势评价方法 | 第51-61页 |
| 5.1 基于HMM的学习趋势评价思路 | 第51页 |
| 5.2 基于HMM的学习趋势评价过程 | 第51-56页 |
| 5.2.1 学习趋势与学习成绩序列映射关系的HMM模型 | 第51-53页 |
| 5.2.2 基于的HMM学习趋势评价过程 | 第53-56页 |
| 5.3 基于ABC的学习趋势评价HMM模型参数学习 | 第56-59页 |
| 5.3.1 基于ABC的学习趋势评价HMM模型参数学习算法设计 | 第56-58页 |
| 5.3.2 基于改进ABC的HMM参数学习算法 | 第58-59页 |
| 5.4 实验分析 | 第59-60页 |
| 5.4.1 实验方案设计 | 第59页 |
| 5.4.2 实验结果分析 | 第59-60页 |
| 5.5 小结 | 第60-61页 |
| 第6章 学生评价系统实现 | 第61-69页 |
| 6.1 基础信息管理模块实现 | 第61-63页 |
| 6.1.1 学生基础信息管理子模块实现 | 第61-62页 |
| 6.1.2 考试成绩信息管理子模块实现 | 第62-63页 |
| 6.2 综合素质评价模块实现 | 第63-67页 |
| 6.2.1 综合素质评价打分子模块实现 | 第63-64页 |
| 6.2.2 评价指标权重学习子模块实现 | 第64-65页 |
| 6.2.3 评价指标权重维护子模块实现 | 第65-66页 |
| 6.2.4 综合素质评价结果子模块实现 | 第66-67页 |
| 6.3 学习趋势评价模块实现 | 第67-68页 |
| 6.3.1 学习趋势评价学习子模块实现 | 第67-68页 |
| 6.3.2 学习趋势评价结果子模块实现 | 第68页 |
| 6.4 小结 | 第68-69页 |
| 第7章 结论 | 第69-71页 |
| 7.1 本文主要工作 | 第69-70页 |
| 7.2 未来工作展望 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73页 |
