学位论文 > 优秀研究生学位论文题录展示

贝叶斯网在认知诊断中的应用

作　者: 喻晓锋
导　师: 丁树良
学　校: 江西师范大学
专　业: 计算机应用技术
关键词: 认知诊断 分类 贝叶斯网 结构学习
分类号: TP183
类　型: 硕士论文
年　份: 2009年
下　载: 123次
引　用: 5次
阅　读: 论文下载
 

内容摘要


传统的测验分数只是对被试能力一个笼统的大概描述,提供的参考信息十分有限,无法解释不同知识状态或不同认知结构却有相同分数或相同能力的现象,也无法区分相同分数的个体间差异。认知诊断测验能对被试在完成测验项目时的认知过程或心理加工过程进行诊断和评估,因此认知诊断测验能够为被试、教师和教育管理部门提供更多和更加具体可参考的信息。认知诊断测验受到越来越多研究者的重视。从被试的作答中诊断出被试对认知属性的掌握情况是认知诊断测验的主要任务,相应地,出现了不同的诊断模型和方法,如Tatsuoka的规则空间模型RSM、Leighton等人的属性层次方法AHM、MacReady的DINA模型等。不同的诊断模型对被试诊断有不同的方法,实现起来的复杂程度及诊断的准确性也有所不同。由于RSM是先编制测验项目,然后由领域专家根据项目分析出测验的关联Q矩阵。实际上,已有研究证明,这种通过分析测验项目来得到Q矩阵的方法是存在问题的。贝叶斯网对不确定性问题有很强的推理能力,近几年来,受到众多研究者的重视。本研究根据被试的作答向量和测验项目所考察的属性得到被试的属性掌握模式,对被试的属性掌握模式进行贝叶斯网结构学习,得到属性之间的层级关系。蒙特卡罗模拟实验的结果表明,对根据项目分析得到的Q矩阵,是一个很好的参考。基于贝叶斯网的分类器以其坚实的理论基础和良好的分类性能,使其在很多领域都得到应用和推广。本研究将贝叶斯网分类器应用到现代教育测量的认知诊断分类中,对0,1计分和多级计分进行蒙特卡罗模拟实验。0,1计分情形与AHM的分类方法(方法A,方法B)进行比较;多级计分情形与祝玉芳研究的多级计分的AHM的分类方法、对数似然比(LL)方法进行比较。结果表明,贝叶斯网分类器的分类效果更有优势。

全文目录


摘要  3-4
Abstract  4-7
第1章 引言  7-11
  1.1 研究认知诊断的目的和新分类方法的意义  7-8
  1.2 认知诊断研究的国内外现状  8-9
  1.3 研究的内容及所要解决的问题  9-10
  1.4 论文主要创新点  10
  1.5 论文组织结构  10-11
第2章 理论基础综述  11-27
  2.1 项目反应理论（IRT）  11-12
    2.1.1 项目反应理论的基本概念  11
    2.1.2 项目反应理论的基础模型  11
    2.1.3 IRT 的优缺点  11-12
  2.2 认知诊断（CD）  12-22
    2.2.1 背景及意义  12-14
    2.2.2 认知诊断模型介绍  14-21
    2.2.3 认知诊断的国内外发展现状  21-22
  2.3 贝叶斯网络（BN）  22-27
    2.3.1 贝叶斯网络相关的基本概念与定义  22-23
    2.3.2 贝叶斯网络的学习  23-25
    2.3.3 贝叶斯网络的推理  25
    2.3.4 贝叶斯分类方法  25-27
第3章 利用贝叶斯网结构学习得到属性之间的层级结构  27-33
  3.1 贝叶斯网结构学习算法  27-28
    3.1.1 基于搜索和评分的方法  27-28
    3.1.2 基于条件独立性检测的方法  28
  3.2 利用贝叶斯网结构学习得到属性之间的层级结构  28-29
    3.2.1 得到被试的属性掌握模式  28-29
    3.2.2 得到属性之间的层级结构  29
  3.3 实验设计与结果分析  29-33
    3.3.1 实验设计  29-31
    3.3.2 结果与分析  31-32
    3.3.3 总结与展望  32-33
第4章 贝叶斯网分类器在认知诊断分类中的应用  33-47
  4.1 贝叶斯分类器的定理  33-36
    4.1.1 贝叶斯概率和贝叶斯定理  33
    4.1.2 贝叶斯学习的基本过程  33-35
    4.1.3 最大后验假设与最大似然假设  35-36
  4.2 几种典型的贝叶斯网分类器  36-38
    4.2.1 朴素贝叶斯网分类器  36
    4.2.2 树扩张朴素贝叶斯网分类器  36-37
    4.2.3 BAN 分类器  37
    4.2.4 通用贝叶斯网分类器  37-38
    4.2.5 贝叶斯多网分类器  38
  4.3 利用贝叶斯网分类器对认知诊断进行分类  38-39
    4.3.1 利用朴素贝叶斯网分类器进行分类  38-39
  4.4 实验设计与结果分析  39-47
    4.4.1 0,1 计分情形的诊断试验设计  39-40
    4.4.2 多级计分情形的诊断试验设计  40-41
    4.4.3 评价指标  41-42
    4.4.4 实验结果  42-47
第5章 结论及进一步讨论的问题  47-49
参考文献  49-58
附录 朴素贝叶斯网分类器的构造  58-65
个人简历  65-66
致谢  66

相似论文

  1. K公司计划及预测改进对于合理库存配置的研究,F224
  2. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  3. 基于词义及语义分析的问答技术研究,TP391.1
  4. 基于三维重建的焊点质量分类方法研究,TP391.41
  5. 基于串核的蛋白质分类算法的研究与实现,TP301.6
  6. 统计与语言学相结合的词对齐及相关融合策略研究,TP391.2
  7. 上下文相关的词汇复述研究,TP391.1
  8. 基于仿生模式识别的文本分类技术研究,TP391.1
  9. 互联网上旅游评论的情感分析及其有用性研究,TP391.1
  10. 基于SVM的中医舌色苔色分类方法研究,TP391.41
  11. 基于图像的路面破损识别,TP391.41
  12. 多样性密度学习算法的研究与应用,TP181
  13. 运动特征及地形约束的感知网目标跟踪算法及系统研究,TP212.9
  14. 计算智能在数字化卷烟叶组配方中的应用研究,TS44
  15. 基于中国土壤系统分类的土壤类型和界线确定研究,S155
  16. 弯孢属种分子鉴定体系的建立及其在疑难种上的应用,Q949.32
  17. 基于视觉的番木瓜外观品质检测技术研究,S667.9
  18. 面向公众的教育视频共建共享平台的设计与实践研究,G434
  19. 基于土壤系统分类的土壤调查方法研究,S155
  20. 西藏生防芽孢杆菌鉴定及其脂肽化合物分析,S476.1
  21. 基因表达谱数据聚类分析方法比较与大豆疫霉基因的网络构建,S435.651

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 > 人工神经网络与计算
© 2012 www.xueweilunwen.com