学位论文 > 优秀研究生学位论文题录展示
基于属性层次结构的FCA及其在认知诊断中的应用研究
作 者: 杨淑群
导 师: 丁秋林
学 校: 南京航空航天大学
专 业: 计算机应用技术
关键词: 属性层次结构 形式概念分析 概念格 有效项目 简化Q阵 认知诊断 计算机化自适应测验 渐进式CD-CAT模型
分类号: TP18
类 型: 博士论文
年 份: 2009年
下 载: 196次
引 用: 0次
阅 读: 论文下载
内容摘要
形式概念分析(Formal Concept Analysis,FCA)是研究认知科学的有力工具,形式背景表达了对象与属性的关联关系,属性之间的约束关系直接影响形式背景的生成,研究基于属性层次结构的FCA(Formal Concept Analysis based on Attribute Hierarchy,AH-FCA)有其科学意义。认知诊断(Cognitive Diagnosis,CD)正成为日益重要的研究课题,具有认知诊断功能的计算机化自适应测验(Computerized Adaptive Testing with Cognitive Diagnosis,CD-CAT)的研究将大力促进计算机化测验。研究表明强调施测前属性层次关系的确定是有必要的,那么AH-FCA的研究有益于CD-CAT的探讨,基于AH-FCA的概念格适于CD-CAT的认知诊断模型。在分析FCA、CD与CAT理论中原理和概念的基础上,从属性层次结构出发,生成基于属性层次结构的形式背景,构建基于属性层次结构的概念格,以此作为CD-CAT的认知诊断模型。本论文的主要研究工作如下:(1)提出有效/无效项目的判定方法定义了有效/无效项目,把有效/无效项目的判定转化为简单的代数运算。(2)提出简化Q阵的扩张算法与渐增式扩张算法采用有效/无效项目判定方法,提出简化Q阵的扩张算法与渐增式扩张算法,并与Tatsuoka算法进行了实验比较。扩张算法的思想是寻找类似线性空间中基的一组有效项目,其他的有效项目可通过“基”来“线性”表达,从“基”出发扩张出其他的有效项目。渐增式扩张算法原理同扩张算法,扩张算法从可达矩阵出发,根据向前回归的思想逐步扩张出简化Q阵,而渐增式扩张算法的初始条件为空矩阵,逐步添加可达矩阵的列,采用向后回归的思想逐步扩张成简化Q阵。(3)提出基于属性层次结构的概念格生成算法指出形式背景为Ea阵的情况下,经典的Godin算法生成错误的概念格,并对其进行修正。分析Ea阵的规律,研究Ea阵与其诱导的概念格中概念集之间的关系,提出高效的基于Ea阵的概念格生成算法。结合简化Q阵的渐增式扩张算法,将基于Ea阵的概念格生成算法扩充为基于属性层次结构的概念格生成算法。(4)基于FCA的CD-CAT的理论与实现考虑属性之间的约束关系,提出属性层次结构的三种基本类型,以基于属性层次结构的概念格作为CD-CAT的认知诊断模型。给出CD-CAT的题库建设、CD-CAT的选题策略、CD-CAT的能力估计方法和CD-CAT的终止规则,从而设计出基于FCA的CD-CAT。采用Monte Carlo模拟方法,按照CD-CAT系统的设计思路进行测验,实验表明能较好地对被试的知识状态进行诊断,能力估计精度也较高。(5)提出基于FCA渐进式CD-CAT模型属性粒度的粗细将影响诊断测验的效率和诊断的准确率,综合诊断测验的效率和诊断的准确率,提出基于FCA的渐进式CD-CAT,给出两个渐进式CD-CAT的认知诊断模型:基于属性层次结构的渐进式CD-CAT认知诊断模型与基于项目空间图的渐进式CD-CAT模型。
|
全文目录
摘要 4-6 ABSTRACT 6-15 第一章 绪论 15-24 1.1 研究背景 15-17 1.2 形式概念分析的研究现状 17-19 1.3 具有认知诊断功能的计算机化自适应测验的研究现状 19-20 1.4 论文主要创新工作 20-21 1.5 论文内容与结构 21-24 1.5.1 论文内容 21-22 1.5.2 论文结构 22-24 第二章 基于 FCA 具有认知诊断功能 CAT 的基本理论 24-38 2.1 形式概念分析 24-26 2.1.1 格 24-25 2.1.2 概念格 25-26 2.2 认知诊断 26-30 2.2.1 认知诊断目的 26-27 2.2.2 认知诊断意义 27 2.2.3 认知诊断模型 27-30 2.3 计算机化自适应测验 30-36 2.3.1 计算机化自适应测验的优点 31-32 2.3.2 项目反应理论 32-34 2.3.3 CAT 研究的相关问题 34-36 2.4 Monte Carlo 模拟 36-37 2.5 小结 37-38 第三章 符合属性层次结构项目的判定方法 38-46 3.1 有效项目 38-39 3.2 有效项目的判定 39-43 3.2.1 有效项目的判定方法 39-42 3.2.2 判定方法应用于 RSM 与 AHM 42-43 3.3 试验结果及回归分析 43-44 3.4 小结 44-46 第四章 简化Q阵的扩张算法与渐增式扩张算法 46-61 4.1 简化Q阵 46 4.2 简化Q阵的 Tatsuoka 算法 46 4.3 简化Q阵的扩张算法 46-53 4.3.1 求解简化Q阵的扩张算法 46-49 4.3.2 实验结果与回归分析 49-53 4.4 简化Q阵的渐增式扩张算法 53-57 4.4.1 求解简化Q阵的渐增式扩张算法 53-55 4.4.2 试验结果与回归分析 55-57 4.5 简化Q阵的三个算法比较 57-59 4.5.1 简化Q阵的扩张算法与渐增式扩张算法等效性证明 57-58 4.5.2 求解简化Q阵三个算法的实验比较 58-59 4.6 小结 59-61 第五章 基于属性层次结构的概念格生成算法 61-70 5.1 基于属性层次结构的形式背景 61-62 5.1.1 Ea 阵 61 5.1.2 渐增式扩张算法生成 Ea 阵 61-62 5.2 Ea 阵诱导的概念格生成算法 62-67 5.2.1 Godin 算法的修正 62-63 5.2.2 Ea 阵诱导的概念格生成算法 63-66 5.2.3 与 Godin 算法的比较 66-67 5.3 基于属性层次结构的概念格生成 67-69 5.3.1 基于属性层次结构的概念格生成算法 67-68 5.3.2 实验结果与回归分析 68-69 5.4 小结 69-70 第六章 基于 FCA 的具有认知诊断功能 CAT 的设计与实现 70-81 6.1 基于 FCA 具有认知诊断功能 CAT 理论研究 70-74 6.1.1 属性层次结构基本类型的研究 70-71 6.1.2 Ea 阵诱导的概念格作为认知诊断模型 71-72 6.1.3 被试的认知诊断概念格 72-73 6.1.4 被试的补救措施概念格 73-74 6.2 基于 FCA 具有认知诊断功能 CAT 的实现 74-80 6.2.1 认知诊断的设计 74-77 6.2.2 最佳补救措施 77 6.2.3 具有认知诊断功能 CAT 的设计与实现 77-80 6.3 小结 80-81 第七章 基于 FCA 的渐进式具有认知诊断功能 CAT 81-87 7.1 基于 FCA 渐进式具有认知诊断功能 CAT 81 7.2 基于 FCA 渐进式具有认知诊断功能 CAT 的模型设计 81-82 7.2.1 基于属性层次结构的渐进式具有认知诊断功能 CAT 的认知诊断模型 81-82 7.3 基于项目空间图的渐进式具有认知诊断功能 CAT 的认知诊断模型 82-86 7.3.1 核 83-84 7.3.2 概念格与核 84-85 7.3.3 基于项目空间的渐进式具有认知诊断功能 CAT 认知诊断模型 85-86 7.4 小结 86-87 第八章 总结与展望 87-90 8.1 全文总结 87-88 8.2 研究和展望 88-90 参考文献 90-102 致谢 102-103 在学期间的研究成果及发表的学术论文 103-104
|
相似论文
- 认知诊断中属性结构的完备性与精确性,B842.1
- 高一物理学习困难认知诊断测验的编制,G633.7
- 不完备信息系统的完备化及其上的知识获取,TP311.13
- 基于粗糙概念格的多属性决策分析,O159
- 概念格的生成算法,O153.1
- 树同构的判定及树在概念格和逆矩阵中的应用,O157.5
- 优化本体的迁移学习方法研究,TP391.1
- 概念格构造算法的研究及其在本体中的应用,TP391.1
- 基于概念格的数据挖掘方法研究,TP311.13
- 概念格的属性约简及建格算法的研究,O159
- 概念格理论在分布式电网故障诊断中的应用研究,TM711
- 概念格的属性约简研究,TP18
- 基于粗糙集的概念格约简和构造研究,TP18
- 基于iceberg概念格的最大频繁项集挖掘研究,TP311.13
- 分布式格属性挖掘研究,TP311.13
- 移动网格安全策略存储机制研究,TN929.5
- 概念格剪枝方法研究及其在Web挖掘中的应用,TP311.13
- 改进的最大优先指标及在计算机化自适应诊断测验中的应用,TP391.76
- 计算机化自适应认知诊断测验选题策略的研究,TP391.6
- 认知诊断测验的应用研究,TP391.6
- 时间序列部分周期模式挖掘研究,TP311.13
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|