| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 前言 | 第9-11页 |
| 1 文献综述 | 第11-24页 |
| 1.1 Q矩阵非参数化估计法 | 第11-14页 |
| 1.1.1 爬山法 | 第11-12页 |
| 1.1.2 统计提纯法 | 第12-14页 |
| 1.2 Q矩阵参数化估计法 | 第14-22页 |
| 1.2.1 数据驱动学习法 | 第15-18页 |
| 1.2.2 贝叶斯法 | 第18-19页 |
| 1.2.3 因素分析法 | 第19-20页 |
| 1.2.4 非线性惩罚估计法 | 第20-22页 |
| 1.3 小结 | 第22-24页 |
| 2 问题提出 | 第24-28页 |
| 2.1 当前Q矩阵估计方法的不足 | 第24-25页 |
| 2.2 本文欲探讨的具体问题 | 第25-26页 |
| 2.2.1 对非线性惩罚估计法的改进 | 第25页 |
| 2.2.2 二阶段法的提出 | 第25-26页 |
| 2.3 本文的研究内容 | 第26-27页 |
| 2.4 本文的创新之处 | 第27-28页 |
| 3 二阶段法的开发思路 | 第28-36页 |
| 3.1 非线性惩罚估计法的优化 | 第28-32页 |
| 3.1.1 Nelder-Mead法的基本思路及缺陷 | 第28-29页 |
| 3.1.2 Quasi-Newton法的基本思路及其优势 | 第29-30页 |
| 3.1.3 改进的非线性惩罚估计法的实现 | 第30-32页 |
| 3.2 二阶段法的开发 | 第32-36页 |
| 3.2.1 非线性惩罚估计法和贝叶斯法的优势与缺陷 | 第32-33页 |
| 3.2.2 二阶段法的思路 | 第33-34页 |
| 3.2.3 二阶段法的实现 | 第34-36页 |
| 4 研究一：二阶段法的效果验证 | 第36-53页 |
| 4.1 实验 1：非线性惩罚估计法的优化 | 第36-44页 |
| 4.1.1 实验目的 | 第36页 |
| 4.1.2 实验设计 | 第36-38页 |
| 4.1.3 结果 | 第38-42页 |
| 4.1.4 小结与讨论 | 第42-44页 |
| 4.2 实验 2：二阶段法有效性验证 | 第44-53页 |
| 4.2.1 实验目的 | 第44页 |
| 4.2.2 实验设计 | 第44-45页 |
| 4.2.3 结果 | 第45-50页 |
| 4.2.4 小结与讨论 | 第50-53页 |
| 5 研究二：二阶段法在实测数据中的应用 | 第53-62页 |
| 5.1 研究思路 | 第53-55页 |
| 5.1.1 参数估计 | 第53-54页 |
| 5.1.2 评价指标 | 第54-55页 |
| 5.2 数据来源 | 第55-56页 |
| 5.3 结果 | 第56-59页 |
| 5.3.1 一致率 | 第56页 |
| 5.3.2 模型拟合 | 第56-57页 |
| 5.3.3 潜在类别掌握比例 | 第57页 |
| 5.3.4 项目参数估计准确性 | 第57-59页 |
| 5.4 小结与讨论 | 第59-62页 |
| 6 综合结论 | 第62-65页 |
| 6.1 研究结论 | 第62-63页 |
| 6.2 研究局限 | 第63页 |
| 6.3 未来展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-72页 |
| 致谢 | 第72-73页 |
| 在读期间公开发表论文（著）及科研情况 | 第73页 |
