版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、教育數(shù)據(jù)挖掘是計算機科學、教育學和心理學的交叉性研究課題。它通過分析學習者在智能學習系統(tǒng)中的反饋數(shù)據(jù),了解學習者掌握知識的情況和學習內容包含知識點的情況。在國家提出的互聯(lián)網(wǎng)+教育大數(shù)據(jù)的基礎上,教育數(shù)據(jù)挖掘將會在信息化建設中發(fā)揮更加重要的作用,實現(xiàn)互聯(lián)網(wǎng)教育因材施教的目標。然而,在實際應用中,反饋數(shù)據(jù)經(jīng)常會出現(xiàn)學習者反饋不足的情況。本論文主要研究學習者反饋矩陣補全的問題,這個問題具有深刻的理論意義和實際應用前景,一方面學生反應矩陣是天然
2、的低秩矩陣,對其進行研究有利于進一步加強低秩矩陣恢復理論的理解和深入,另一反面反應矩陣補全對于個性化教學也具有非常實際的意義。
本論文的工作大致可以分為兩部分。第一部分用基于集成學習的方法改進經(jīng)典的矩陣補全方法,在集成學習的Bagging和AdaBoost基礎上構建了新穎的矩陣補全算法,即BaggingMC和AdaBoostMC算法;第二部分結合兩者的優(yōu)缺點提出了Improved AdaBoostMC算法,解決了Bagging
3、MC因簡單的投票使矩陣補全的誤差仍然較高和AdaBoostMC中閾值隨機選取對資源造成的浪費這兩個問題。
論文在模擬數(shù)據(jù)和真實數(shù)據(jù)上分別進行了實驗,通過分析矩陣補全在不同數(shù)據(jù)集上的誤差分布來判斷不同算法的準確率和補全效果。實驗結果表明,BaggingMC與三種經(jīng)典的矩陣補全算法在補全誤差上很接近,AdaBoostMC的誤差相對要小,Improved AdaBoostMC在相同數(shù)據(jù)集和相同采集率的條件下誤差最小。同時通過二值Le
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 教師—學習者和學習者—學習者互動模式下隨機形式聚焦的學習者領悟性修正研究.pdf
- 基于學習者學習風格的外語學習績效研究
- 英語學習者學習觀念研究.pdf
- 基于MOODLE的學習者網(wǎng)絡學習行為分析和研究.pdf
- 學習平臺與遠程學習者有效學習的研究.pdf
- 英語學習者自主學習觀念研究.pdf
- 大學英語學習者學習策略研究.pdf
- 學習者特征
- 漢語初級學習者學習策略的調查研究——以日本漢語學習者為例.pdf
- MOOC學習者完成課程的影響因素研究——基于210名中文學習者的調查.pdf
- 成功漢語學習者的學習策略及學習風格研究.pdf
- 激發(fā)遠程學習者學習動力的行動研究.pdf
- 學習者個體的學習需要分析研究.pdf
- 學習者模型標準的研究.pdf
- 高中優(yōu)秀英語學習者的學習策略研究.pdf
- 日韓優(yōu)秀學習者的口語學習策略研究.pdf
- 遠程學習者學習風格分析系統(tǒng)的研究.pdf
- 在線英語學習社區(qū)學習者體驗研究.pdf
- 移動學習中學習者偏好模型研究.pdf
- 藏族英語學習者學習風格偏好研究.pdf
評論
0/150
提交評論