教育资源推荐中模糊预测控制算法研究
发布时间：2022-06-20 15:44
针对网络教育资源更新速度快,利用效率低等问题,根据教育资源推荐需要,研究了模糊预测控制算法,该算法在T-S模糊模型的基础上,融合了神经网络模型中的NeuMF模型,解决了教育资源推荐算法中的线性关系不足的问题,用该算法设计实现了教育资源推荐系统,达到了较好的教育资源推荐效果。主要研究内容如下:（1）模糊预测控制算法研究。分析模糊预测控制算法原理,研究该算法中最常用的T-S模糊模型,构建基于教育资源推荐的T-S模糊模型,用于处理教育资源推荐中的教育资源非线性关系。（2）基于神经网络的模糊预测控制模型设计。研究神经网络中的MLP模型,GMF模型和结合两者优势产生的NeuMF模型。分析神经网络模型在教育资源推荐中的运用,构建了教育资源推荐中的NeuMF模型,用于处理教育资源推荐中的教育资源线性关系。结合神经网络模型和模糊预测控制算法的优势,构建了用户模型,教育资源模型和用户-教育资源特征匹配模型。用户-教育资源特征匹配模型分析用户与教育资源的关系,得到预测值,用于向用户推荐教育资源。（3）教育资源推荐系统设计及算法验证。在基于神经网络的模糊预测控制模型基础上,运用Java Web开发技术,使用...
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第—章 绪论
1.1 课题研究背景
1.2 研究现状
1.2.1 教育资源推荐方法研究现状
1.2.2 模糊预测控制算法研究现状
1.3 课题研究意义
1.4 论文工作和章节安排
第二章 模糊预测控制算法研究
2.1 算法原理
2.1.1 模糊逻辑理论
2.1.2 预测控制理论
2.2 算法分析与实现
2.2.1 算法分析
2.2.2 算法实现
2.3 本章小结
第三章 基于神经网络的模糊预测控制模型
3.1 预测模型
3.1.1 GMF模型
3.1.2 MLP模型
3.1.3 NeuMF模型
3.2 网络爬虫技术
3.3 个性化推荐技术
3.4 用户模型
3.5 教育资源模型
3.6 用户-教育资源特征匹配模型
3.7 本章小结
第四章 模糊预测控制算法在教育资源推荐中的验证
4.1 基于模糊预测控制算法的教育资源推荐系统设计
4.1.1 系统架构
4.1.2 系统实现
4.2 模型验证及结果分析
4.2.1 测试要求
4.2.2 测试环境
4.2.3 测试方法和结果
4.3 本章小结
总结与展望
总结
展望
参考文献
致谢
附录A (作者在攻读硕士学位期间学术成果)
【参考文献】：
期刊论文
[1]“互联网+”背景下民族地区学前教育信息化建设的机遇、挑战及应对策略[J]. 史大胜,曹鑫莉,董美娟. 中国电化教育. 2018(05)
[2]国外大都市推进少数民族基础教育发展的经验与启示——以纽约、伦敦、悉尼、德里为例[J]. 白华. 贵州民族大学学报(哲学社会科学版). 2017(04)
[3]分布式网络爬虫设计研究[J]. 孟军,覃海奎,刘洁,甘宇健. 现代计算机(专业版). 2017(24)
[4]基于云计算的小学课程数字教学资源整合研究[J]. 伍海波. 软件. 2017(03)
[5]浅谈如何使用网络化学资源进行化学教学[J]. 陈小燕. 课程教育研究. 2016(09)
[6]融合学习者社交网络的协同过滤学习资源推荐[J]. 丁永刚,张馨,桑秋侠,金梦甜,张红波. 现代教育技术. 2016(02)
[7]中外教育信息化的比较研究——评《中外教育信息化比较研究》[J]. 刘彩霞. 当代教育科学. 2014(13)
[8]基于遗传算法的模糊控制器的优化设计[J]. 任涛. 河南科技. 2013(18)
[9]基于T-S模糊模型的辨识与控制[J]. 杜世杰,沈清波. 工业仪表与自动化装置. 2011(01)
[10]智能搜索引擎中协同过滤技术的研究[J]. 李宁,沙峰. 河南科技. 2009(06)
博士论文
[1]基于机器学习的矿井突水安全保障系统及应用[D]. 张聪.北京科技大学 2019
[2]在线学习中学生参与度模型及应用研究[D]. 胡敏.华中师范大学 2015
[3]木材干燥支持向量机建模与模糊神经网络控制研究[D]. 姜滨.东北林业大学 2015
[4]混沌时间序列预测与储备池机器学习方法研究[D]. 史志伟.大连理工大学 2008
[5]神经网络与支持向量机相关问题研究[D]. 马儒宁.复旦大学 2005
硕士论文
[1]基于投影和聚类的长非编码RNA与疾病的关系预测[D]. 张淼.西安电子科技大学 2018
[2]基于深度学习的课程推荐与学习预测模型研究[D]. 朱柳青.浙江工商大学 2018
[3]互联网地理信息爬虫技术研究与应用[D]. 郑承良.山东农业大学 2017
[4]基于教育资源的推荐系统研究与实现[D]. 杨东衡.电子科技大学 2017
[5]基于隐马尔可夫模型的个性化推荐算法研究[D]. 陈俊伟.电子科技大学 2017
[6]基于矩阵分解的个性化推荐系统研究[D]. 张时俊.湖南大学 2016
[7]面向教育资源个性化推荐的协同过滤算法研究[D]. 赵营.河南师范大学 2016
[8]基于迁移学习的知识推荐方法研究[D]. 苑振霞.天津大学 2014
[9]中日图书馆法规比较研究[D]. 于琦.黑龙江大学 2014
[10]基于模糊神经网络的高校专利技术产业化风险评估[D]. 杨娟.北京交通大学 2014
本文编号：3653735
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第—章 绪论
1.1 课题研究背景
1.2 研究现状
1.2.1 教育资源推荐方法研究现状
1.2.2 模糊预测控制算法研究现状
1.3 课题研究意义
1.4 论文工作和章节安排
第二章 模糊预测控制算法研究
2.1 算法原理
2.1.1 模糊逻辑理论
2.1.2 预测控制理论
2.2 算法分析与实现
2.2.1 算法分析
2.2.2 算法实现
2.3 本章小结
第三章 基于神经网络的模糊预测控制模型
3.1 预测模型
3.1.1 GMF模型
3.1.2 MLP模型
3.1.3 NeuMF模型
3.2 网络爬虫技术
3.3 个性化推荐技术
3.4 用户模型
3.5 教育资源模型
3.6 用户-教育资源特征匹配模型
3.7 本章小结
第四章 模糊预测控制算法在教育资源推荐中的验证
4.1 基于模糊预测控制算法的教育资源推荐系统设计
4.1.1 系统架构
4.1.2 系统实现
4.2 模型验证及结果分析
4.2.1 测试要求
4.2.2 测试环境
4.2.3 测试方法和结果
4.3 本章小结
总结与展望
总结
展望
参考文献
致谢
附录A (作者在攻读硕士学位期间学术成果)
【参考文献】：
期刊论文
[1]“互联网+”背景下民族地区学前教育信息化建设的机遇、挑战及应对策略[J]. 史大胜,曹鑫莉,董美娟. 中国电化教育. 2018(05)
[2]国外大都市推进少数民族基础教育发展的经验与启示——以纽约、伦敦、悉尼、德里为例[J]. 白华. 贵州民族大学学报(哲学社会科学版). 2017(04)
[3]分布式网络爬虫设计研究[J]. 孟军,覃海奎,刘洁,甘宇健. 现代计算机(专业版). 2017(24)
[4]基于云计算的小学课程数字教学资源整合研究[J]. 伍海波. 软件. 2017(03)
[5]浅谈如何使用网络化学资源进行化学教学[J]. 陈小燕. 课程教育研究. 2016(09)
[6]融合学习者社交网络的协同过滤学习资源推荐[J]. 丁永刚,张馨,桑秋侠,金梦甜,张红波. 现代教育技术. 2016(02)
[7]中外教育信息化的比较研究——评《中外教育信息化比较研究》[J]. 刘彩霞. 当代教育科学. 2014(13)
[8]基于遗传算法的模糊控制器的优化设计[J]. 任涛. 河南科技. 2013(18)
[9]基于T-S模糊模型的辨识与控制[J]. 杜世杰,沈清波. 工业仪表与自动化装置. 2011(01)
[10]智能搜索引擎中协同过滤技术的研究[J]. 李宁,沙峰. 河南科技. 2009(06)
博士论文
[1]基于机器学习的矿井突水安全保障系统及应用[D]. 张聪.北京科技大学 2019
[2]在线学习中学生参与度模型及应用研究[D]. 胡敏.华中师范大学 2015
[3]木材干燥支持向量机建模与模糊神经网络控制研究[D]. 姜滨.东北林业大学 2015
[4]混沌时间序列预测与储备池机器学习方法研究[D]. 史志伟.大连理工大学 2008
[5]神经网络与支持向量机相关问题研究[D]. 马儒宁.复旦大学 2005
硕士论文
[1]基于投影和聚类的长非编码RNA与疾病的关系预测[D]. 张淼.西安电子科技大学 2018
[2]基于深度学习的课程推荐与学习预测模型研究[D]. 朱柳青.浙江工商大学 2018
[3]互联网地理信息爬虫技术研究与应用[D]. 郑承良.山东农业大学 2017
[4]基于教育资源的推荐系统研究与实现[D]. 杨东衡.电子科技大学 2017
[5]基于隐马尔可夫模型的个性化推荐算法研究[D]. 陈俊伟.电子科技大学 2017
[6]基于矩阵分解的个性化推荐系统研究[D]. 张时俊.湖南大学 2016
[7]面向教育资源个性化推荐的协同过滤算法研究[D]. 赵营.河南师范大学 2016
[8]基于迁移学习的知识推荐方法研究[D]. 苑振霞.天津大学 2014
[9]中日图书馆法规比较研究[D]. 于琦.黑龙江大学 2014
[10]基于模糊神经网络的高校专利技术产业化风险评估[D]. 杨娟.北京交通大学 2014
本文编号：3653735
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3653735.html
