基于貝葉斯網(wǎng)絡(luò)的AIBNS系統(tǒng)建模研究及其應(yīng)用.pdf

1、智能授導(dǎo)系統(tǒng)ITS研究的重點(diǎn)在于增加遠(yuǎn)程網(wǎng)絡(luò)教學(xué)系統(tǒng)的適應(yīng)性和智能性。學(xué)生模型是ITS的基礎(chǔ)和核心，是其他模塊進(jìn)行工作的前提。論文針對(duì)目前國(guó)內(nèi)ITS中學(xué)生模型構(gòu)建偏于簡(jiǎn)單而缺乏智能性的不足，結(jié)合人工智能領(lǐng)域的一些成熟技術(shù)，研究開發(fā)了一個(gè)基于貝葉斯網(wǎng)絡(luò)的智能授導(dǎo)系統(tǒng)AIBNS。 論文首先分析了基于前提關(guān)系和繼承關(guān)系的兩種建模方式的優(yōu)缺點(diǎn)，在劃分知識(shí)項(xiàng)后，經(jīng)過(guò)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)學(xué)習(xí)，提出了一種構(gòu)建覆蓋型貝葉斯網(wǎng)絡(luò)學(xué)生模型的方法。通過(guò)對(duì)領(lǐng)

2、域相關(guān)及無(wú)關(guān)信息分別建模，構(gòu)建出學(xué)生在特定領(lǐng)域內(nèi)的知識(shí)結(jié)構(gòu)，使模型具備較強(qiáng)的預(yù)測(cè)能力。針對(duì)學(xué)生認(rèn)知狀態(tài)評(píng)估上存在的不確定性，以及測(cè)試過(guò)程中不正常反應(yīng)的干擾問(wèn)題，論文提出了一種自適應(yīng)選題算法，以期用盡量少的試題完成對(duì)學(xué)生認(rèn)知狀態(tài)的精確評(píng)估，并減少評(píng)估測(cè)試中的噪聲。此外設(shè)計(jì)了一個(gè)基于模糊變換原理的學(xué)生認(rèn)知狀態(tài)評(píng)估模型，不僅可以對(duì)相關(guān)知識(shí)項(xiàng)進(jìn)行認(rèn)知評(píng)估，而且可以進(jìn)行多級(jí)別的綜合評(píng)價(jià)，提高了對(duì)學(xué)生認(rèn)知狀態(tài)評(píng)估的準(zhǔn)確度。論文應(yīng)用貝葉斯網(wǎng)絡(luò)面向?qū)ο?/p>