基于WebMining的远程教育环境的研究

摘要

该文中,工作人员首先分析了系统的基于Web的远程教育环境的优点和缺点.接着工作人员讨论了Date Mining&Web Mining技术和发展背景,Date Mining的过程和步骤,以及Date Mining的分析方法和Web Mining技术.然后,在充分考虑远程教育自身的特点和领域知识的基础上,运用Date Mining&Web Mining技术,建立起了一具智能化、个性化的远程教育学习模型,以做到按需学习,因材施教.随后工作人员给出了该模型的系统框架:该模型由三个模块组成——Server模块、Learning模块和挖掘模块.对于挖掘模块,工作给出了一般的实现算法,并讨论了一些实现算法的改进.最后在该模型的基础上,工作利用改进了的BP算法——BP—SA算法,实现了该模型中Web Mining,模块中的分类模块——智能化学习内容推荐器.

目录

文摘

英文文摘

第一章研究背景

§1.1、远程教育的特点和发展现状

§1.2、基于WEB的远程教学模型

§1.3、DATA MINING和WEB MINING技术

§1.4、本课题的项目背景

§1.5、本文主要工作

第二章DATA MINING＆WEB MINING

§2.1、DATA MINING的定义

§2.2、DM/KDD的步骤

§2.3、DM的方法和技术

§2.4、DM的分析方法

§2.5、DATA MINING算法

§2.6、WEB MINING

§2.7、小结

第三章基于WEB MINING的智能化、个性化的远程教育模型

§3.1、基于WEB的远程教育模型的缺点

§3.2、基于WEB MINING的远程教育模型

§3.2.1、课件树

§3.2.2、基于WEB MINING的远程教育模型的体系结构

§3.3、WEB MINING模块的结构和实现算法

§3.3.1、预处理过程

§ 3.3.2、挖掘过程

§3.3.3、模式分析

§3.4、基于WEB MINING的远程教育模型的实现

§3.5、小结

第四章基于BP-SA算法的智能学习内容推荐器的设计与实现

§4.1、智能学习内容推荐器

§4.2、BP-SA算法

§ 4.2.1、BP算法

§4.2.2、SA算法

§4.2.3、BP-SA算法

§ 4.3、智能学习内容推荐器的设计与实现

§4.3.1、算法的拓扑结构

§4.3.2、激活函数和一些参数的选择

§4.3.3、性能评估

§4.4小结

第五章总结与展望

参考文献

致谢

攻读学位期间发表的论文