一、基于Petri网的智能超媒体模型(论文文献综述)
李菲[1](2019)在《大数据环境下课程知识点抽取与组织方法研究》文中研究说明随着教育大数据时代的来临,课程教材资源不断积累、种类迅速增加,课程知识不断更新变化,使得对大量课程教材资源中的知识点分析和知识点的高效选取变得愈加困难;课程教材组织形式多样,造成课程教材知识结构存在差异,使得对大量课程教材进行筛选和对教材进行有效编排组织更加艰难。因此,本文借助大数据提供的数据分析和技术支持,在研究了国内外关于课程知识点和课程知识组织方面的相关观点和方法之后,提出了一种大数据环境下的课程知识点自动抽取和知识组织的方法。该方法借鉴数据挖掘、文本挖掘等在教育数据挖掘中取得的成功经验,主要研究内容包括:首先,分析组成课程教材知识结构的知识点及知识点间关系组织的现状,借鉴大数据在教育中的应用,明确存在的问题和具体研究内容,结合大数据分析方法和技术,提出了一套大数据环境下的课程知识点抽取与组织体系建设框架;其次,深入研究细化理论和知识组织理论对教材内容分析的指导,分析课程教材知识结构特征及问题,建立课程知识组织模型;最后,采用基于混合策略的课程知识点抽取方法,结合规则匹配、无监督聚类、关键词抽取等方法抽取课程知识点,对抽取的课程知识点采用大数据融合的组织方法,逐本逐层计算课程知识点文本内容间的相似程度,依据文本内容的相似度增量式融合课程知识点,对融合的结果进行统计分析以发现规律,组织课程教材知识结构。结合细化理论研究内容对课程教材知识结构进行分析,发现课程教材知识结构的特征及存在问题,提出大数据环境下的课程知识点抽取和组织方法,解决了大量课程教材、不同课程教材知识结构下的课程知识点抽取和组织困难的难题,并以《教育心理学》课程教材为例进行方法实验,分析实验过程的结果,验证了各部分研究内容的有效性和可行性。从而,进一步帮助教学资源编排者和教学资源开发者、教师等分析、筛选、评价课程教材,学习者查找、学习相关知识点。
王坤福[2](2014)在《基于智能知识点诊断及策略推理机制的教学系统的研究与设计》文中认为在全球化的趋势下,教育教学的地位日趋重要,传统的教育教学方式由于其局限性已经无法满足现阶段不断提高的课程学习需求。本文通过对各个高校和培训机构中网络化课程的建设所面临的问题进行分析,设计了基于智能知识点诊断及策略推理机制的学习系统。论文的研究内容及主要工作包括:1、将学科知识和教学知识用知识库表示的方式构建教学知识库,将学生在学习过程中的学习特点和学习进程用学生模型来描述,依据相应的策略自动生成与学生知识水平相对应的教学内容。根据学生的知识水平、掌握程度及学习进度的不同,选择与其相适应的课程内容并调整教学进度。2、根据学生的错误进行诊断,智能分析模块会分析产生错误的原因,并给出相应的纠正措施和建议。对学生的学习状态变化能自动跟踪,并动态分析,及时调整教学策略和教学内容,实现个别化教学。系统提供智能评价功能,对学生的学习行为和教师的教学行为进行分析和评价,并给出相应的学习或教学建议。3、对以智能知识点诊断及策略推理机制为基础的教学系统中,以英语教学为例进行系统的整体设计思想介绍,通过引入人工智能诊断机制思想设计了学生模型和教师模型,可实现教学内容与教学策略分开化。4、论述了系统中关键功能的技术过程,对系统总体的架构、功能、教学模式、流程和数据库进行了分析设计。包括学生模型的构建、知识点分析、错误判定、教学策略库的实现以及智能分析模块的设计流程、方法等。
朱宏逵[3](2008)在《基于随机Petri网的彩信业务建模与分析》文中研究说明随着GPRS网络的全面建设,WAP业务的逐步普及,数据增值业务正逐渐的为手机终端用户所认知,接收,并产生消费行为。在3G网络即将上马的趋势下,不少数据增值业务并不能满足用户的期望值,存在时延大,不成功率高等弱点。因此,为数据业务构造一个具有伸缩性、开放性的数学模型用于分析数据业务的流程合理性与资源消耗情况以及可扩展性等问题,成为移动网络运营商的现实需求。随机Petri网作为一种新兴的结合模拟与计算机仿真的评价技术,这些年来成为研究的热点。它能胜任描述具有并发,异步,分布等特征的系统,是实现业务流程建模分析的关键技术。本文研究基于随机Petri网的数据增值业务中的一种业务—彩信业务—的建模与分析问题,并具体应用于某省公司的彩信中心。本文首先分析了随机Petri网理论和应用的研究现状与发展趋势,提出了用随机Petri网的思想结合SPNP软件来解决某省公司彩信中心业务建模与计算的实现问题。并根据学术界提出的随机高级Petri网模型,并基于该模型的简化原理,进行建模,简化,与计算。对可扩展彩信中心的负载均衡方案作了详细的论述,具体讨论了将队列分为2个优先级和3个优先级的情况下,负载均衡方案对系统的影响。本文依据移动运营商的数据增值业务扩展需求,运用随机Petri网技术,建立了一种针对业务流程的队列模型,又建立了针对业务中心服务器的集群模型,并得到了良好的应用。工作成果已开始向WAP业务进行拓宽,它提高了移动运营商的维护水平,减小了人工工作量,降低了管理成本。
周金财[4](2007)在《基于内容的多特征组合图像检索的研究》文中研究说明计算机技术、多媒体技术以及Internet技术的长足发展导致大量图像的出现,如何有效地、快速地从大规模的图像数据库中检索出需要的图像是目前一个相当重要而又富有挑战性的研究课题。基于内容的图像检索技术的研究正是为了解决利用自动获取的图像特征,从图像数据库中检索出相关图像的问题。近年来,此项技术的研究非常活跃,在许多领域都有应用。本论文围绕基于内容图像检索中的一些关键技术,包括构建图像数据库、静态非线性综合多特征技术,进行了一些探索性的研究,研究的内容属于目前图象处理和信息检索领域的研究重点,具有相当重要的理论意义和实际应用价值。本文的主要工作总结如下:(1)构建XMLIDB图像数据库。使用面向对象的建模方法,将图像模型化为由几个元对象构成。又将图像数据库模型化为超媒体网络,网络中的节点由图像形成,网络中的链即为图像间的关系。这样的两层结构模式,有利于对图像特征进行扩展和增加对语义的支持。(2)建立图像联系数特征。将集对论中表示确定性与不确定性的量即联系数引入图像检索中,把图像象素分为三类:主色集(同类)、边界颜色集(异类)、噪声颜色集(反类),由这三类来提供图像信息。继而提出图像的联系数模型,在此模型基础上利用图像的全局形状和局部颜色统计量构成图像联系数向量。(3)基于联系数的图像检索方法。采用图像联系数向量作为图像索引,在形状白适应逼近表示方法的基础上,提出了利用联系数特征向量进行图像检索的检索算法。实验结果表明,该算法具有良好的平移、尺度、旋转不变性,证明联系数是一个有效的图像特征。
徐勇俊[5](2007)在《基于WEB的智能英语教学系统的设计与实现》文中研究表明随着计算机多媒体技术和网络技术的不断发展和成熟,以人工智能(Artificial Intelligence,AI)与计算机辅助教学(Computer Assisted Instruction,CAI)相结合产生的智能计算机辅助教学(Intelligence Computer Assisted Instruction,ICAI)改变了传统CAI课件模式化、机械化的教学方式,为学生提供了一种新型的双向式教学环境,代表着先进的教学思想和教学方法。ICAI是智能化的CAI。它将教学内容与教学策略分开,根据学生资料库提供的学生模型,通过智能系统的搜索与推理,动态生成适合于个别化教学的内容与策略;通过智能诊断机制判断学生的学习水平,分析学生产生错误的原因,提供合理的改进方案,同时修改原来的学习策略;对于全体学生在学习过程中经常出现的错误或具有共同性的问题,ICAI能进行分布统计分析,形成教学指导方案,为教师对教学内容的调整改进提供依据,为教务人员提供对任课教师教学业绩评价的参考意见,为家长提供对孩子学习成绩的查询。本文结合《大学英语四级》考试,分析并实现了基于Web网的智能英语教学系统(Web-based Intelligent English Tutoring System,WBIETS)的设计方案,论文的具体研究和实现工作主要包括以下几个方面:(1)分析了传统CAI课件的缺陷和目前国内外ICAI教学软件的特点,提出了开发WBIETS系统的动机和意义;(2)阐述了ICAI系统的基本理论和开发原理,针对Authorware软件平台,采用Prolog语言和SCORM标准等相关技术为开发工具,对系统设计过程中的一些重要模型和使用到的关键技术进行了深入的讨论;(3)设计出了WBIETS系统的基本模型和结构方案,对系统进行了总体架构设计与功能模块分析;(4)论述了WBIETS系统的实现过程,开发出了能支持学生、教师、教务人员和管理员四种用户在Web网上完成各种教学、评估和管理活动的整体框架和应用模块;(5)总结了WBIETS系统的特色,创造性地解决了传统CAI课件缺乏网络支持、缺乏智能性、缺乏教师指导、缺乏教务人员监督和缺乏家长参与的“五缺乏”问题。
赵洁[6](2006)在《基于本体和语义Petri网的自适应超媒体ICAI框架研究》文中认为本文对自适应超媒体智能计算机辅助教学(ICAI)中的教学系统建模和超媒体自适应问题进行了深入研究。通过建立学生本体、能力本体、知识本体、资源本体和测试本体对教学系统进行系统建模,采用语义Petri网技术解决了超媒体的自适应问题,并利用XML存储超媒体ICAI模型以及课件,从而构造以自适应超媒体为核心的ICAI课件开发平台框架。
雷菡[7](2006)在《基于概念地图的网络化学习路径控制研究》文中进行了进一步梳理通过因特网来学习成为近年来的热点,越来越多的课程通过网络来发布,网络成为支持远程教学、终生教育的重要手段。然而,有研究发现,学习者在超媒体信息空间学习的时候,存在迷航和信息超载两大问题。迷航时,学习者不知道自己下一步要去哪里,或者知道要去哪里,却不知道怎样到达,再或者根本就不知道现在的位置。迷航极易导致信息超载,信息超载又加重迷航时无所适从的感觉,久而久之,就会影响学习者网络学习的信心。 根据网络化学习的发展趋势以及网络化学习中存在的迷航和信息超载两大问题,该项研究认为现有的网络学习系统或网络课程在给予学习者适当的引导方面还有很多值得改进的地方。加之近年来教育领域关于概念地图的研究兴起,概念地图的许多新的应用方式被发掘出来,除了用在可视化知识表征方面外,它的节点、连接、连接词、交叉连接和层级等观念对于设计、开发适应性超媒体学习系统也很有启发。于是,研究提出在超媒体学习系统内部建立一套“基于概念地图的学习路径控制机制”,通过诊断性、过程性的评价策略,鉴定个别学习者的迷思概念,生成适合个别学习者知识水平的、系统控制的引导路径,以增强网络超媒体学习系统的适应性,更好的满足学习者的需要。 为了确定方法的可行性,该研究以多媒体技术课程的前两课为例,构建了能够稳定实现所设计功能的原型系统——CLPCS:首先,通过概念地图的结构化知识表征,分解和建构了具有适应性的网络课程结构;其次,通过试题属性表的构建和改进过的概念累积计分算法,鉴定学生迷思概念;然后,根据鉴定情况指定引导路径,引导学生走过学习领域以达到学习目标;最后,由专家(5人)及小型学生组(10人)对原型系统进行试用,完成了系统开发过程中的初步形成性评价。 通过对研究问题的分析,以及原型系统的设计、开发、试用和形成性评价,得出研究的主要结论为:概念地图的结构化知识表征,能够有效分解和建构具有适应性的网络课程结构,并在试题与内容模块之间建立有机联系;根据领域模型及概念层级关系建构的学生模型能够有效描述个别学生的学习情况,是系统适应行为的依据;精心设计的单元测验能够改善学生与系统的交互,确定学生当前的知识水平,并有助于激发和保持学生在网络环境中学习的兴趣;根据迷思概念生成的引导路径,实现了个别化的学习路径控制,使学生在遇到学习障碍时,能够获得有效的引导,减少浏览多余信息的可能性;学生对于系统的控制应该优先考虑,系统鉴定的迷思概念和生成的引导路径对学生来说都应该是可选的,系统的适应性、智能性
刘甲学[8](2006)在《超媒体信息空间智能导航理论与实证研究》文中认为本文以增强用户与信息空间导航支持的适应性与有效性为研究起点,通过对国内外相关研究成果的系统分析及大量案例的考察,概要总结超媒体信息空间智能导航的研究现状。从超媒体系统组成要素、结构特性二个基本方面展开研究路径,建立了超媒体系统结构的数学模型,探讨了超媒体系统结构优化的各种方法。以空间隐喻作为用户认知超媒体信息空间的基础,从深层揭示导航支持与用户认知的复杂性及其内在规律,分析探讨超媒体系统智能导航的模型基础(用户模型与知识库)及可视化技术,构建了认知参考模型、智能导航概念模型、智能导航框架结构模型并运用petri网技术模拟实现。最后,引入复杂性理论,运用德尔菲法和层次分析法对典型的超媒体系统进行了测度与评价。
张瑜,何俊民[9](2005)在《基于Rough Set理论的小儿常见病诊断智能超媒体系统》文中提出本文主要介绍了用VisualBasic和SQLSever开发的小儿常见病诊断智能超媒体系统以及RoughSet理论在该系统中的应用,包括利用RoughSet理论对该系统中的知识库中的知识进行约简和进行正推理和反推理的方法。RoughSet理论的应用,大大提高了该系统的推理效率。
张瑜,黄国兴[10](2004)在《基于Petri网的智能超媒体模型》文中指出智能超媒体是多媒体技术与专家系统的理想结合,Petri是描述系统行为的形式 化工具。该文利用有色Petri网、扩展OCPN模型,采用立体层次结构,提出了一种基于Petri 网的智能超媒体模型。该模型能较好地描述专家系统中规则的推理、多媒体中各种媒体的链 接与同步以及与用户的交互和表现问题。
二、基于Petri网的智能超媒体模型(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于Petri网的智能超媒体模型(论文提纲范文)
(1)大数据环境下课程知识点抽取与组织方法研究(论文提纲范文)
摘要 |
ABSTRACT |
创新点摘要 |
第一章 绪论 |
1.1 研究背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 课程教材研究现状 |
1.2.2 课程知识点的定义和表示研究现状 |
1.2.3 课程知识点的抽取与组织研究现状 |
1.2.4 大数据应用研究的现状 |
1.3 主要问题及研究内容 |
1.3.1 面临问题 |
1.3.2 研究内容 |
1.3.3 建设框架 |
1.3.4 关键技术 |
1.4 论文组织结构 |
第二章 课程教材知识结构分析及理论依据 |
2.1 课程教材内容分析的基础理论 |
2.1.1 细化理论 |
2.1.2 知识组织理论 |
2.1.3 理论启示 |
2.2 课程教材知识结构分析 |
2.2.1 课程教材知识结构的特征分析 |
2.2.2 课程教材知识结构的深层问题分析 |
2.3 课程知识组织模型 |
2.3.1 知识点概述 |
2.3.2 知识的粒度 |
2.3.3 概念定义 |
2.3.4 知识点特性 |
2.3.5 课程知识组织模型 |
2.4 本章小结 |
第三章 基于混合策略的课程知识点抽取方法 |
3.1 基于规则的章节课程知识点抽取方法 |
3.1.1 章节课程知识点抽取规则的获取 |
3.1.2 章节课程知识点抽取流程 |
3.1.3 章节课程知识点抽取结果 |
3.2 基于规则的正文课程知识点抽取 |
3.2.1 正文课程知识点抽取规则 |
3.2.2 正文课程知识点抽取结果 |
3.2.3 抽取效果评价 |
3.3 基于聚类的课程知识点抽取 |
3.3.1 课程教材文本内容特征分析 |
3.3.2 基于改进k-means算法划分课程文本 |
3.3.3 改进k-means实验对比 |
3.3.4 原子课程知识点的标识抽取 |
3.3.5 原子课程知识点的标识抽取结果分析 |
3.4 本章小结 |
第四章 基于大数据融合的课程知识点组织方法 |
4.1 课程知识点间的关系分析 |
4.1.1 关系分类 |
4.1.2 相似度计算方法 |
4.1.3 父子和兄弟关系分析 |
4.1.4 相似关系分析 |
4.1.5 参考关系分析 |
4.2 课程教材知识结构组织方法 |
4.2.1 方法概述 |
4.2.2 基于融合的课程知识组织方法 |
4.2.3 基于统计的课程知识点位置编排组织方法 |
4.2.4 课程知识点与课程教材的关系组织方法 |
4.3 组织结果与分析 |
4.3.1 课程知识点融合结果与分析 |
4.3.2 课程知识点与编排位置信息共现关系分析 |
4.3.3 课程知识点与课程教材关系分析和可视化 |
4.4 本章小结 |
第五章 CKPEOS的设计和实现 |
5.1 系统开发工具及环境 |
5.2 系统实现流程 |
5.3 主要功能实现 |
5.4 本章小结 |
结论 |
参考文献 |
发表文章目录 |
致谢 |
(2)基于智能知识点诊断及策略推理机制的教学系统的研究与设计(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 课题来源 |
1.2 研究背景 |
1.2.1 人工智能技术 |
1.2.2 智能计算机辅助教学ICAI |
1.3 国内外研究现状 |
1.4 研究内容及意义 |
1.5 创新点及本文主要内容 |
2 相关理论及技术介绍 |
2.1 人工智能 |
2.1.1 人工智能概述 |
2.1.2 人工智能的研究内容与目标 |
2.1.3 人工智能的应用领域 |
2.2 专家系统 |
2.2.1 专家系统的定义 |
2.2.2 专家系统的工作原理 |
2.3 知识表示 |
2.4 推理与推理机制 |
2.4.1 基于规则推理机的实现与控制策略 |
2.4.2 基于框架推理机的实现与控制策略 |
2.5 J2EE技术 |
2.5.1 J2EE概念 |
2.5.2 J2EE的四层模型 |
2.5.3 Struts框架 |
2.5.4 轻量级框架 |
3 基于智能知识点诊断及策略推理机制的学习系统总体分析与设计 |
3.1 本系统体系结构 |
3.2 系统功能结构设计 |
3.2.1 在线教学学习系统模块功能设计 |
3.2.2 在线教学学习系统教学模式 |
3.2.3 在线教学学习系统教学流程 |
3.3 系统数据库设计 |
3.3.1 需求分析 |
3.3.2 物理设计 |
3.3.3 逻辑设计 |
3.3.4 后台配置 |
4 系统关键技术的实现 |
4.1 认知型学生模型的构建 |
4.2 基于框架的知识点判定及教学策略库实现 |
4.3 基于概念图模型的智能知识点诊断实现 |
4.3.1 知识分层结构及概念图模型 |
4.3.2 概念影响关系图的构建 |
4.3.3 智能诊断过程 |
4.3.4 策略推理机制 |
4.4 智能分析模块的实现 |
4.4.1 针对知识点掌握程度的个体分析 |
4.4.2 针对知识点掌握程度的群体分析 |
5 总结与展望 |
5.1 研究工作总结 |
5.2 下一步工作展望 |
参考文献 |
作者简介 |
学位论文数据集 |
(3)基于随机Petri网的彩信业务建模与分析(论文提纲范文)
摘要 |
ABSTRACT |
缩略语 |
1 引言 |
1.1 历史回顾 |
1.2 背景知识介绍 |
1.3 研究的目的和意义 |
1.4 工作内容及结果 |
1.5 相关工作 |
1.6 本文结构 |
2 Petri 网的定义和 SPNP 软件 |
2.1 Petri 网系统 |
2.2 基本定义和符号 |
2.3 SPNP 软件 |
3 基于 Petri 网的彩信业务流程的建模 |
3.1 概述 |
3.2 系统设计 |
3.3 模型活性分析 |
3.4 系统的建模和模型简化 |
3.5 利用时间 Petri 网进行性能分析 |
4 基于随机高级 Petri 网的彩信中心系统建模 |
4.1 可扩展的彩信中心服务器体系结构与负载共享模型 |
4.2 SHLPN 模型 |
4.3 QoS-aware 负载均衡策略及其性能评价指标 |
4.4 数值结果 |
5 总结与展望 |
5.1 论文总结 |
5.2 前景展望 |
致谢 |
参考文献 |
(4)基于内容的多特征组合图像检索的研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 引言 |
1.1 综合多特征进行图像检索的研究意义 |
1.2 综合多特征图像检索的发展 |
1.3 现有系统介绍 |
1.4 本文主要研究内容以及论文组织 |
1.4.1 主要研究内容 |
1.4.2 论文组织 |
第2章 综合多特征图像检索的关键技术 |
2.1 图像数据库构建技术 |
2.1.1 扩充的关系图像数据库 |
2.1.2 面向对象的图像数据库 |
2.1.3 超媒体数据库 |
2.1.4 图像数据模型的实现方法介绍 |
2.2 图像单特征描述 |
2.2.1 图像的颜色特征 |
2.2.2 图像的形状特征 |
2.2.3 图像的纹理特征 |
2.3 图像特征的综合技术 |
2.3.1 特征归一化 |
2.3.2 颜色和形状综合 |
2.3.3 颜色和纹理综合 |
2.3.4 形状和纹理综合 |
2.3.5 相关反馈技术 |
第3章 基于超媒体的面向对象图像数据库 |
3.1 XML数据库和超媒体模型 |
3.2 XMLIDB的建模过程 |
3.3 实验结果 |
第4章 静态非线性综合多特征的图像检索 |
4.1 基于信息熵的图像检索方法 |
4.2 基于联系数的图像检索方法 |
4.2.1 集对分析理论 |
4.2.2 图像的联系数特征 |
4.2.3 基于联系数的图像检索算法 |
4.3 两种检索方法的对比 |
第5章 结论与展望 |
5.1 结论 |
5.2 进一步工作的方向 |
致谢 |
参考文献 |
攻读学位期间的研究成果 |
(5)基于WEB的智能英语教学系统的设计与实现(论文提纲范文)
中文摘要 |
Abstract |
第1章 绪论 |
1.1 ICAI 简介 |
1.1.1 ICAI 的发展 |
1.1.2 ICAI 的现状 |
1.1.3 ICAI 的特点 |
1.1.4 ICAI 的价值 |
1.2 课题的内容及其设计目标 |
1.2.1 本课题的提出 |
1.2.2 本课题主要研究内容 |
1.2.3 系统设计目标 |
1.3 课题的意义及创新 |
1.4 本论文内容组织安排 |
第2章 ICAI 基本理论与原理 |
2.1 ICAI 系统的概念 |
2.2 ICAI 系统的开发原理 |
2.2.1 现代教学理论 |
2.2.2 专家系统原理 |
2.3 ICAI 系统的理论设计模型 |
2.3.1 学生模型 |
2.3.2 教师模型 |
2.3.3 领域模型 |
2.3.4 诊断模型 |
2.3.5 推理规则库 |
2.4 本章小结 |
第3章 开发工具及其实现技术 |
3.1 AUTHORWARE 平台 |
3.1.1 Authorware 与数据库 |
3.1.2 Authorware 流技术 |
3.1.3 Authorware 网络发布 |
3.2 PROLOG 语言 |
3.2.1 Prolog 语言特点 |
3.2.2 Visual Prolog 软件特点 |
3.3 SCORM 标准 |
3.3.1 SCORM 组成部分 |
3.3.2 SCORM 特点 |
3.4 本章小结 |
第4章 WBIETS 系统的设计 |
4.1 WBIETS 的系统组成 |
4.2 WBIETS 的系统设计 |
4.2.1 体系结构 |
4.2.2 系统功能 |
4.2.3 系统框图 |
4.3 WBIETS 系统的关键技术 |
4.3.1 构造认知型学生模型 |
4.3.2 基于概念图模型的知识表示 |
4.3.3 基于框架的智能教学策略库 |
4.3.4 基于可信度的不确定性推理 |
4.3.5 基于SCORM 数据模型的应用 |
4.4 本章小结 |
第5章 WBIETS 系统的实现 |
5.1 系统程序结构图 |
5.2 实现管理员子系统 |
5.2.1 客观题库设计和制作 |
5.2.2 主观题库设计和制作 |
5.3 实现学生子系统 |
5.3.1 数据库技术 |
5.3.2 使用知识对象 |
5.3.3 创建学生认知模块 |
5.4 实现教师子系统 |
5.4.1 程序设计 |
5.4.2 启发式规则 |
5.4.3 教学策略推理 |
5.5 实现教务人员子系统 |
5.5.1 程序设计 |
5.5.2 实现家长查询 |
5.6 本章小结 |
第6章 WBIETS 系统的测试 |
6.1 测试目标 |
6.2 测试环境 |
6.3 测试流程 |
6.4 本章小结 |
第7章 结束语 |
7.1 本论文所做工作及其获得的成果 |
7.2 展望 |
参考文献 |
工程硕士在读期间发表的论文 |
致谢 |
详细摘要 |
(7)基于概念地图的网络化学习路径控制研究(论文提纲范文)
摘要 |
ABSTRACT |
目录 |
图目录 |
表目录 |
第一章 前言 |
1.1 研究背景 |
1.2 研究目的 |
1.3 研究工作与意义 |
1.4 论文架构 |
第二章 相关研究综述 |
2.1 概念地图 |
2.1.1 概念地图的基本特征 |
2.1.2 概念与迷思概念 |
2.1.3 概念地图与适应性学习系统 |
2.2 学习路径 |
2.2.1 学习路径的含义 |
2.2.2 学习路径的应用研究 |
2.3 适应性超媒体 |
2.3.1 适应性超媒体的含义 |
2.3.2 适应性超媒体参考模型 |
2.3.3 适应性超媒体的方法与技术 |
第三章 基于概念地图的学习路径控制模型 |
3.1 研究架构 |
3.2 研究的基本假设 |
3.3 适应模型的构建 |
3.3.1 领域模型 |
3.3.2 用户模型 |
3.3.3 适应模型 |
第四章 CLPCS原型系统的设计与实现 |
4.1 分解重构课程 |
4.1.1 提取关键概念 |
4.1.2 建立关键概念与内容的对应关系 |
4.1.3 设定单元教学目标 |
4.2 分析试题 |
4.2.1 筛选试题 |
4.2.2 建立试题与内容的对应关系 |
4.2.3 实施测验 |
4.3 鉴定迷思概念 |
4.3.1 概念累积计分 |
4.3.2 鉴定个别学生迷思概念 |
4.4 生成引导学习路径 |
4.5 系统结构与模块功能介绍 |
4.5.1 系统结构 |
4.5.2 模块功能 |
4.6 系统开发及运行环境 |
4.7 本章小结 |
第五章 CLPCS原型系统的试用与形成性评价 |
5.1 原型系统的试用 |
5.1.1 学习流程 |
5.1.2 系统界面与功能介绍 |
5.2 原型系统的形成性评价 |
5.2.1 专家评价 |
5.2.2 一对一的学生评价 |
5.2.3 评价结果整理 |
第六章 结束语 |
6.1 研究结论 |
6.2 进一步的研究方向和工作 |
参考文献 |
附录A |
附录B |
附录C |
附录D |
附录E |
致谢 |
(8)超媒体信息空间智能导航理论与实证研究(论文提纲范文)
1 绪论 |
1.1 选题背景及研究意义 |
1.2 相关研究成果综述 |
1.3 相关的研究项目 |
1.4 相关研究领域 |
1.5 本文的研究内容、研究方法与创新 |
1.5.1 研究内容 |
1.5.2 研究方法 |
1.5.3 本文的创新之处 |
2 超媒体系统结构特性分析 |
2.1 超媒体系统概述 |
2.1.1 超媒体系统组成 |
2.1.2 超媒体系统结构 |
2.1.3 超媒体结构的关系数学模型 |
2.2 超媒体系统的标准模型--DEXTER |
2.2.1 存储层 |
2.2.2 运行层 |
2.2.3 元素内部层 |
2.3 超媒体的度量 |
2.3.1 链的度量 |
2.3.2 节点的度量 |
2.3.3 实证分析 |
2.4 超媒体系统结构优化 |
2.4.1 遗传算法 |
2.4.2 具有例外性质的集合簇化方法 |
2.4.3 层次化方法 |
2.5 本章小结 |
3 超媒体导航活动中的用户认知因素研究 |
3.1 超媒体导航 |
3.1.1 超媒体导航的含义 |
3.1.2 超媒体信息环境导航的影响因素 |
3.2 超媒体导航活动中用户的认知因素 |
3.2.1 智能导航活动中认知因素的分布性 |
3.2.2 空间隐喻----用户认知超媒体信息空间的基础 |
3.2.3 导航支持与用户认知之间的互赖关系 |
3.3 超媒体系统中用户的认知风格和学习策略 |
3.3.1 认知风格 |
3.3.2 学习策略 |
3.4 导航自适应性与用户认知复杂性互赖关系 |
3.4.1 影响用户对导航适应性认知的主要因素 |
3.4.2 面向用户认知的导航支持 |
3.5 本章小结 |
4 超媒体自适应导航模型基础 |
4.1 用户模型 |
4.1.1 用户模型概述 |
4.1.2 用户差异分析 |
4.1.3 用户模型的分类 |
4.1.4 用户模型的信息获取 |
4.1.5 用户模型的构建方法 |
4.2 用户经验模型 |
4.2.1 用户经验模型概述 |
4.2.2 用户经验模型的分类 |
4.2.3 用户经验级别的模糊评判 |
4.2.4 用户模型的评价 |
4.3 领域模型知识库 |
4.3.1 知识库概述 |
4.3.2 知识的表示方法 |
4.3.3 知识的采集 |
4.3.4 知识推理 |
4.3.5 知识库系统功能 |
4.3.6 知识库更新方法 |
4.4 其它相关问题 |
4.4.1 学习机制和自适应性 |
4.4.2 模糊信息的表示和推理 |
4.5 本章小结 |
5 超媒体系统智能导航设计 |
5.1 超媒体信息空间智能导航的需求机理 |
5.1.1 传统导航的局限性分析 |
5.1.2 智能导航的需求动因 |
5.1.3 超媒体导航设计的理论基础 |
5.2 基于信息构建的个性化导航框架模型 |
5.2.1 信息构建的兴起 |
5.2.2 Web 超媒体系统信息构建的内容 |
5.2.3 基于IA 的智能导航框架模型 |
5.3 开放式超媒体导航系统结构设计 |
5.3.1 开放式超媒体系统 |
5.3.2 开放式超媒体系统智能导航结构图 |
5.3.3 基于petri 网的智能导航模拟实现 |
5.4 智能导航中的信息可视化技术 |
5.4.1 鱼眼视图 |
5.4.2 概貌导航图 |
5.4.3 XEROC PARC 可视化工具组 |
5.5 本章小结 |
6 超媒体导航系统评价及实证分析 |
6.1 智能导航系统评价方法 |
6.1.1 基于复杂性理论的智能导航评价 |
6.1.2 复杂性理论—测评方法论的变化 |
6.2 基于层次分析的超媒体导航系统评价 |
6.2.1 层次分析法原理及步骤 |
6.2.2 超媒体导航系统评价指标体系的构建 |
6.3 实证分析 |
6.3.1 研究对象的选取 |
6.3.2 Yahoo ! 和Google 导航系统比较 |
6.4 本章小结 |
7. 结论及展望 |
7.1 主要研究成果及结论 |
7.2 进一步需要研究的工作 |
参考文献 |
攻读博士学位期间取得的主要科研成果 |
致谢 |
摘要 |
ABSTRACT |
(9)基于Rough Set理论的小儿常见病诊断智能超媒体系统(论文提纲范文)
1 引言 |
2 系统简介 |
3 用Rough Set理论对系统库进行约简 |
4 基于Rough Set理论的正推理和负推理 |
4.1 概率规则 |
4.2 正规则与负规则 |
4.3 正推理与负推理 |
5 结束语 |
(10)基于Petri网的智能超媒体模型(论文提纲范文)
1 Petri网及相关的模型 |
1.1 Petri网的定义 |
1.2 标记Petri网的定义 |
1.3 有色Petri网的定义 |
1.4 OCPN模型 |
(1) OCPN的定义 |
(2) 触发规则 |
1.5 扩展的OCPN (EOCPN) 模型 |
(1) 扩展的OCPN (EOCPN) 的定义 |
(2) 触发规则 |
2 基于Petri网的智能多媒体模型PNBIH |
2.1 规则子网Petri网模型 |
2.2 媒体子网Petri网模型 |
2.3 链接子网Petri网模型 |
2.4 表现子网Petri网模型 |
3 触发规则 |
3.1 规则子网RLPN的触发规则 |
3.2 媒体子网MLPN的触发规则 |
3.3 链接子网LLPN的触发规则 |
3.4 表现子网PLPN的触发规则 |
4 利用PNBIH对系统进行分析 |
5 结束语 |
四、基于Petri网的智能超媒体模型(论文参考文献)
- [1]大数据环境下课程知识点抽取与组织方法研究[D]. 李菲. 东北石油大学, 2019(01)
- [2]基于智能知识点诊断及策略推理机制的教学系统的研究与设计[D]. 王坤福. 河南理工大学, 2014(06)
- [3]基于随机Petri网的彩信业务建模与分析[D]. 朱宏逵. 华中科技大学, 2008(05)
- [4]基于内容的多特征组合图像检索的研究[D]. 周金财. 南昌大学, 2007(06)
- [5]基于WEB的智能英语教学系统的设计与实现[D]. 徐勇俊. 苏州大学, 2007(03)
- [6]基于本体和语义Petri网的自适应超媒体ICAI框架研究[J]. 赵洁. 情报理论与实践, 2006(04)
- [7]基于概念地图的网络化学习路径控制研究[D]. 雷菡. 西南大学, 2006(10)
- [8]超媒体信息空间智能导航理论与实证研究[D]. 刘甲学. 吉林大学, 2006(10)
- [9]基于Rough Set理论的小儿常见病诊断智能超媒体系统[J]. 张瑜,何俊民. 微型电脑应用, 2005(07)
- [10]基于Petri网的智能超媒体模型[J]. 张瑜,黄国兴. 计算机工程, 2004(01)