（计算机应用技术专业论文）基于agent个性化web协作学习系统的模型设计.pdf

山东大学硕士学位论文 摘要 以互联网平台为依托的w e b 协作学习 ( c o ll a b o r a t i v e l e a r n i n g ) ，正在改变着传统的学习方式。w e b 协作学习正日益成为人 们掌握知识、更新知识的一种重要手段。当前，尽管基于w e b 的协作 学习是远程学习的主要形式，网络协作学习系统已在远程教育领域广 泛应用，但在网络教学的实施中，还存在许多技术问题。而且现有的 w e b 学习系统学习主体智能程度较低，同时缺乏对用户( 学习者) 个性化 学习的支持，阻碍了用户个人特长的发挥。 本文针对网络协作学习中存在的问题，引入分布式人工智能领域 中的智能代理技术，构建了一个由主控程序、学生代理、教学代理、 信息代理组成的网络协作学习智能代理模型，并重点探讨了采用机器 学习和数据挖掘的方法，如何更有效地实现个性化学习，使网络协作 学习朝着智能化，个性化的方向发展。本文主要的工作体现在以下几 个方面： ( 1 ) 引入分布式人工智能领域中的智能代理技术，构建了一个由主 控程序、学生代理、教学代理、信息代理组成的网络协作学习智能代 理模型。 ( 2 ) 学生代理依据基于蚁群智能的聚类算法，根据学习者所选的课 程名、课程概念、学习者的接收能力、思维偏向等进行用户聚类，获 得不同的协作学习代理分组，从而充分调动协作学习小组成员的积极 性。 ( 3 ) 教学代理不仅负责监控学习者的学习行为，提供相应的教学资 源，而且还能针对不同认知水平的学习者，利用模糊神经网络的方法 选择相应的教学方法，帮助学习者完成学习，实现因材施教。 ( 4 ) 信息代理不仅可以按课程名自动地从本系统的课程学习资源或 i n t e r n e t 网络资源上获取学习者所需的信息，而且当学习者需要搜寻 具有某一课程概念的课程时会进行个性化课程的智能推荐。 i i 东大学硕士学位论文 关键词：a g e n t ；机器学习：数据挖掘：蚁群算法：个性化学习 山东大学硕士学位论文 奠曼量皇皇曼舅置曹罾_ 皇鲁_ 宙曹鼍鼍量曼目鼍_ 寞_ 奢- - 一一m _ _ a b s t r a c t t h ec o l l a b o r a t i v e s t u d yw h i c hd e p e n d s o nt h ei n t e r n e t p l a t f o r m ( c o l l a b o r a t i v el e a r n i n g ) ，i sc h a n g i n gt h et r a d i t i o n a lw a yo fs t u d y t h e w e b b a s e dc o ll a b o r a t i v el e a r n i n gi sb e c o m i n go n ei m p o r t a n tm e t h o dt h a t p e o p l e a c h i e v ea n dr e n e w k n o w l e d g e a tp r e s e n t ，t h ew e b b a s e d c o l l a b o r a t i v el e a r n i n gi st h em a i nf o r mo fl o n g - d i s t a n c el e a r n i n ga n di t h a sb e e nw i d e l yu s e di nt h ed i s t a n c e l e a r n i n gd o m a i n h o w e v e r ，i nt h e i m p le m e n t a t i o no ft h en e tw o r kt e a c hi n gt h e r ea r es t i l lm a n yt e c h n i c a l p r o b l e m s m o r e o v o rt h em a i nb o d y - i n t e l l i g e n c ed e g r e eo ft h ee x i s t i n g w e bl e a r n i n gs y s t e mi s l o w ；t h ee x i s ti n gs y s t e ml a c k st ot h es u p p o r to f t h ep e r s o n a is t u d y ，w h i c hh a sh i n d e r e dt h ei n d i v i d u a ls k i l lo ft h eu s e r s a c c r o a d i n gt ot h eq u e s t i o nt h a te x i s t si nt h ec o ll a b o r a t i v el e a r n i n g ， ic o n s t r u c t e dt h e i n t e l l i g e n ta g e n tm o d e lo fc o l l a b o r a t i v el e a r n i n g w h i c hi s c o m p o s e d o fm a i nc o n t r o l p r o g r a m , s t u d e n tp r o x y ，t e a c h i n g p r o x ya n d t h ei n f o rm at i o n p r o x y b a s e do nt h ei n t e lli g e n t a g e n t t e c h n o l o g yw h i c hb e l o n g st ot h ed o m a i no fa r t i f i c i a li n t e ll i g e n c ea n di d i s c u s s e d e m p h a t i c a l l yh o wt oe f f e c t i v e l yr e a l i z et h ep e r s o n a ls t u d yb y u s i n gt h em a c h i n el e a r n i n ga n dt h ed a t am i n i n gm e t h o d i tc a nc a u s et h e w e b b a s e d c o o p e r a t i v el e a r n in gd e v e l o p i n ga l o n gt h ed i r e c t i o no f i n t e l l i g e n ta n dp e r s o n a l t h em a i nw o r ko ft h i s a r t i e l el i e si nt h e f o ll o w i n gs e v e r ala s p e c t s ： ( 1 ) i c o n s t r u c t e do n ei n t e l l i g e n ta g e n tm o d e lo f c o o p e r a t i o ns t u d y w h i c hi s c o m p o s e d o fm a i nc o n t r o l p r o g r a m , s t u d e n tp r o x y ，t e a c hi n g p r o x y a n dt h ei n f o r m a t i o n p r o x y b a s e do nt h e i n t e l l i g e n ta g e n t t e c h n o l o g yw h i c hb e l o n g st ot h ed o m a i no fa r t i f i c i a li n t e ll i g e n c e ( 2 ) t h es t u d e ntp r o x yw h i c hi sb a s e do nt h ea l g o r i t h mo fa n ts w a r m i n t e l l i g e n c e c a n a m l y s i s t h e u s e r s p r e f e r e n c ea c c r o d i n g t ot h e c u r r i c u l u m n a m e ，c u r r i c u l u mc o n c e p t ，l e a r n e r sr e c e p t i v i t ya n dt h e t h o u g h td e v i a t i o n ，o b t a i nt h ed i f f e r e n tg r o u po fc o l l a b o r a t i v el e a r n i n g ， a r o u s ef u l l yt h em e m b e r se n t h u s i a s m i i i 山东大学硕士学位论文 ( 3 ) t h et e a c h i n gp r o x yw h i c hi sn o to n l yt om o n i t o rl e a r n e r ss t u d y b e h a v i o r ，p r o v i d et h ec o r r e s p o n d i n gt e a c h i n gr e s o u r c e s ，b u t a l s ot o s e l e c tt h e r i g h tt e a c h i n g m e t h o db a s e do naf u z z yn e u r a ln e t w o r k a c c o r d i n gt h ed i f f e r e n tl e v e lo ft h es t u d e nt s ，h e lpt h el e a r n e rt oc o m p l e t e t h es t u d y ( 4 ) t h ei n f o r m a t i o np r o x yh a st w of u n c t i o n s ：i tg a i n sa u t o m a t i c a l l y t h ei n f o r m a t i o nw h i c ht h el e a r n e rn e e d sf r o mt h er e s o u r c e so fs y s t e mo r i n t e r n e t ；i tc a ni n t e l l i g e n t l yr e c o m m e n ds o m ep e r s o n a lc u r r i c u l u mw h e n t h el e a r n e rn e e d st os e a r c hf o rc u r r i c u l u m sh a v i n gs p e c it i cc o n c e p t k e y w o r d s ：a g e n t ；n m c h i n e l e a r n i n g ；d a t am i n i n g ；a n t s w a r m a l g o r i t h m ；p e r s o n a ls t u d y i v 原创性声明和关于论文使用授权的说明 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不 包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研 究做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明 的法律责任由本人承担。 论文作者签名：堑e t 期：塑墨：垒窒 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意学 校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论 文被查阅和借阅；本人授权山东大学可以将本学位论文的全部或部分 内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段 保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名：墓塑导师签名：e t 期：翌璺! 兰鱼 i l i 东大学硕士学位论文 1 1 基于w e b 学习模式 第1 章绪论 1 1 1 基于w e b 学习模式的意义 网络环境对人和社会的发展有着深远影响，网络环境使人的素质 和主体地位得到跃升；它使人的交往方式发生重大变革；它使人的创 造潜力得到充分的发挥：与此同时社会发展速度和效益得到了空前提 高。网络环境对教与学活动产生了重要影响，网络环境拓宽了学生接 受知识的方法和途径；网络环境使参与式、启发式教学真正成为可能； 网络环境使终身学习成为普遍趋势；网络环境促使教育由知识和技能 的培养，逐步向以提高劳动者的素质为目标的素质教育转变；网络环 境促使教师职责发生重大变化，他将不再是以传播知识为主，而是着 重在培养学生的信息素养和分析问题、解决问题的能力上。 1 1 2 基于w e b 的学习资源和优势 基于w e b 的学习资源是指经过数字化处理，可以在网络环境下运 行的，并能用浏览器阅读，可实现共享的多媒体学习材料。常见的基 于w e b 的学习资源类型有：门户网站、网络课件、网络课程、专题学 习网站、网络资源库。基于w e b 学习的优势在于多样性可以创设 形态多样、生动的情境( 多媒体集成超文本结构友好交互界面虚拟 仿真流媒体) ；共享性可以全球共享，随意获取，实时利用；扩 展性可以在原有基础上补充、扩展、重组。 i 山东大学硕士学位论文 1 1 3 基于w e b 的学习方式 基于w e b 的学习方式分为以下四种： ( 1 ) 资源利用的学习，即利用数字化资源进行情境探究学习； ( 2 ) 自主发现的学习，借助资源，依赖自主发现、探索性的学习； ( 3 ) 协商合作的学习，利用网络通讯，进行合作式、讨论式的学习； ( 4 ) 实践创造的学习，使用信息工具，进行创新性、实践性的问题 解决学习。 1 2 在网络环境下的协作学习模式 1 2 1 协作学习的定义和优点 所谓协作学习是一种通过小组或团队的形式组织学生进行学习的 一种策略。小组成员的协同工作是实现班级学习目标的有机组成部分 小组协作活动中的个体可以将其在学习过程中探索、发现的信息和学 习材料，与小组中的其它成员共享。在此过程中，学生之间为了达到 小组学习目标，个体之间可以采用对话、商讨、争论等形式对问题进 行充分论证，以期获得达到学习目标的最佳途径。在基于互联网的远 程协作学习环境中进行协作学习，将具有以下优点： ( 1 ) 超文本的网络化协作学习可以打破空间的限制，让学习者在自 己的空间进行学习： ( 2 ) 群体( 协作) 学习让学生可从其他同学处得到不同的想法、意 见，因而对学习的素材产生不同的观点，对素材有更深层的认识： ( 3 ) 在群体中工作，通常会使人们产生较高的动机，因为人们总希 望在别人面前有最佳的表现。而协作学习更可以让学习者对团队产生 参与感、认同感与归属感：这些需要与同伴互动，才能够产生的心理 需求，是传统远程学习环境中所缺乏的； ( 4 ) 在协作学习的过程中，学生常常需要展示、说明，甚至辨护他 个人所分到的学习内容与工作。这种将自己所学口语化的过程，会使 2 山东大学硕士学位论文 新旧知识更加交融整合，也扩大了新知识的应用层面。 1 2 2 现有协作学习模型的不足之处 协作学习( c o l l a b o r a t i v el e a r n i n g ) 是学生为达到共同的学习目标， 并最大化个人和他人学习的成果而一起经历各种变化，共同进取的一 切相关行为【l 】。当前，尽管网络协作学习已在远程教育领域得到广泛 应用，但是它们都分别存在着一些问题没有解决，概括起来有以下几 点： ( 1 ) 不能有效实现协作分组，满足学习者的需要。 ( 2 ) 系统缺乏智能，对不同基础不同要求的学生和不同课程采用相 同的教学策略，难以实现因材施教。 ( 3 ) 不能准确把握用户的信息需求并且不能很好适应用户需求的变 化。 1 3 本文研究工作重点 人们迫切需要一些智能的和个性化的学习系统，能学习和了解学 习者的兴趣爱好，有效对学生进行分组；能为用户提供主动的、最新 的信息服务和推荐，成为用户的助手或秘书：能根据学习者的认知水 平，学习能力，认知能力调整教学方法，教学策略，实现因材施教； 帮助用户实现个性化的远程学习。本文研究工作重点为以下几个方面： ( 1 ) 引入分布式人工智能领域中的智能代理技术，构建了一个由主 控程序、学生代理、教学代理和信息代理组成的网络协作学习智能代 理模型。 ( 2 ) 学生代理依据基于蚁群智能的聚类算法，根据学习者所选的课 程名、课程概念、学习者的接收能力、思维偏向等进行用户聚类，获 得不同的协作学习代理分组，从而激发学生的学习兴趣和学习动机， 促使他们理解和掌握知识体系，培养创新精神，进行广泛而又深入的 学习。 ( 3 ) 教学代理不仅负责监控学习者的学习行为，提供相应的教学资 3 i j j 东大学硕士学位论文 | 曼曼鲁皇曼曼曼曼曼一i 量曼曼曼量量曼曼喜曼皇鲁| 曼曼曼曼量量曼量皇曼舅量皇曼曼皇量曼置量量曼罾曼曼邑量| 曼曼量 源，而且还能针对不同认知水平的学习者，利用模糊神经网络的方法 选择相应的教学方法，帮助学习者完成学习，实现因材施教。 ( 4 ) 信息代理不仅可以按课程名自动地从本系统的课程学习资源或 i n t e r n e t 网络资源上获取学习者所需的信息，而且当学习者需要搜寻具 有某一课程概念的课程时会进行个性化课程的智能推荐。 1 4 论文组织 本文的组织如下：在第一章中介绍了本文的来源、主要工作和意 义。第二章为相关理论简介，分别介绍了代理和多代理的概念、理论， 蚁群算法，计算机教学方法和模糊神经网络技术以及数据挖掘技术等。 第三章是本论文的主要部分，在本章提出了一个网络协作学习的智能 代理模型，并详细介绍了系统的工作模型和代理模型。第四章具体介 绍了系统的个性化学习的实现过程：利用蚁群智能的聚类算法获得不 同的协作学习代理分组：使用模糊专家系统实现教学方法的选择：利 用数据挖掘的相关技术进行个性化课程的智能推荐。第五章则介绍了 本文的实验、结论及展望。 4 ij j 东大学硕士学位论文 喜曼曼舅鲁量曼，| 量邑曼量| 舅皇一 n un n m n q 皇皇童量皇皇量皇量皇皇罾量曼量曼量皇_ 第2 章相关理论 2 1 代理和多代理 对代理( a g e n t ) 以及多代理( m u l t i a g e n t ) 的研究近几年来已成为分 布式人工智能( d a i ) 研究的一个热点，一些文献称代理技术是软件领域 里一个意义深远的突破。基于智能代理的思想，人们提出了一种新的 人工智能定义：人工智能是计算机科学的一个分支，它的目标是构造 能表现出一定智能行为的代理。美国s t a n f o r d 大学计算机科学系的 h a y s r o t h 在i j c a i 9 5 的特邀报告中谈到：“智能的计算机代理既是人 工智能最初的目标，也是人工智能最终的目标。” 2 1 1 代理的概念和特点 在计算机和人工智能领域中，a g e n t 可以看成是一个实体。它通过 传感器感知环境，通过效应器作用于环境。a g e n t 为了达到一定的目标， 有着自成规律地执行任务的工作模式。 著名a g e n t 理论研究者、英国的w o o l d r i d g e 博士和j e n n i n g s 教授 认为：a g e n t 是一个具有自主性、社会能力、反应性和能动性等性质的 基于硬件或( 更经常的) 基于软件的计算机系统，该定义允许在更宽 范围的环境中设计a g e n t ，而且其中增加了通信要求。 智能代理具有以下几个方面的特性： ( 1 ) 智能性( i n t e l l i g e n t ) 。具有推理判断和计算能力，能比较准确的 理解用户的需求，能将用户的需求任务、行为进行分解、分析，有针 对性提供服务，具有解决问题所需的丰富知识、策略和相关数据。 ( 2 ) 代理性( a g e n t ) 。引导并代替用户对资源进行访问，成为到达资 源的枢纽和中介。 ( 3 ) 自主性( a u t o n o m y ) 。一个智能代理应该是一个独立自主的计算 实体。它应能在无法事先建模的、动态变化的信息环境中，独立规划 复杂的操作步骤，解决实际问题，在用户不参与的情况下，独立发现和 索取符合用户需求的可利用资源与服务。 i i i 东大学硕士学位论文 ( 4 ) 机动性( m o b il i t y ) 。在网络计算环境下，一个代理可以看成是代 表用户驻网络的常设机构，它可以在网络上灵活机动地访问各种资源 和服务，还可以就完成特定任务同其他智能代理进行协商和合作，甚 至把自己“迁移”到网络中的其他主机上去执行任务。 理想的智能化a g e n t 还应具有学习性：是指a g e n t 能从经验中逐 步改进和增强自身能力。这些特征表明a g e n t 不仅强调个体的独立自 治能力，还强调群体的协作能力，正是这一点，使它更符合人类社会 智能的自然方式，各司其职，必要时联合，这是一种松散型的协同工 作方式，通过协同工作获取比多个有专门知识和技能的a g e n t 的价值 总合更大的价值。基于a g e n t 的教学系统将人工智能的技术引入系统， 软件代理a g e n t 是具有推理和决策能力的软件，是一个有反应的，主 动性的，内在激发的软件实体，在面对变化的环境的同时，能采取一 定的应对措施。软件a g e n t 也是一个计算机程序，它的内部又可以细 分出很多小的功能模块，使程序具有模块化和一定的弹性。因此a g e n t 具有极大的灵活性和适应性，更加适合于开放、动态的网络环境，它 体现了分布计算环境下软件智能化技术的发展方向。 2 1 2 多代理系统( m a s ，m u l t i - a g e n ts y s t e m ) 多代理系统的思想源于h e r b e ts i m o n 的著作“a d m i n i s t m t i v e b e h a v i o r ”，他认为：一个大的机构把许多个体组织起来，可以弥补个 体工作能力的有限；同样，劳动的分工和每个个体负责一项专门的任 务，可以弥补个体学习新任务能力的有限；社会机构间有组织的信息 流动，可以弥补个体处理信息并运用信息作出决策能力的有限。尽管 s i m o n 的理论是针对人类社会而言的，但它却为m a s 系统奠定了思想 基础。单个代理的智能是有限的，但我们可以通过适当的体系结构把 代理组织起来，从而弥补各个代理的不足，使得整个系统的能力超过 任何单个代理的能力。 基于多a g e n t 技术的系统是指多个a g e n t 相互通讯、彼此协调， 共同完成作业任务的系统，它不仅具备一般分布式系统所具有的资源 共享、易于扩张、可靠性强、灵活性强、实时性好的特点，而且各a g e n t 6 山东大学硕士学位论文 能够通过相互协调解决大规模的复杂问题，使系统具有很强的鲁棒性、 可靠性和自组织能力。在多a g e n t 系统中，单个a g e n t 是一个物理的 或抽象的实体，能作用于自身和环境，操纵环境的部分表示，并与其 他a g e n t 通讯，具有感知、通讯、行动及控制和推理能力等基本功能。 2 1 3 基于智能代理的网络协作学习模型 多a g e n t 技术的这些特点， 题方面，具有广阔的应用前景。 络协作学习模型： 使得其在处理网络协作学习的知识问 下面简单介绍两个基于智能代理的网 ( 1 ) 基于多a g e n t 的网络教学模型【2 】 图2 1基于多a g e n t 的网络教学模型 f i g2 1t h em o d e ld e s i g nb a s e do nm u l a g e n t f o rw e bc o l l a b o r a t i v e l e a r i n gs y s t e m 整个模型分为三个部分：界面代理，分析代理和建议代理。界面 代理t 负责与用户直接沟通，询问的功能是记下使用者的基本资料。 展示是将教材内容通过输出端口提供给用户。诊断是判断用户的学习 能力，知识结构。记录的功能是记录下学习者与系统互动的所有历程。 界面代理由界面数据库取得与某一用户对话的模式和画面。分析代理： 7 i i | 东大学硕士学位论文 分析从界面代理中的诊断，记录，询问等三个子代理那里获得的用户 资料，分析后再将所的结果存入其中的学生基本资料库，学习成就资 料库和学习资料库中。建议代理：建议代理获得分析代理资料库的内 容，再由其评估代理分析出学习者之间的差异，建议代理根据这些差 异来为不同的学习者提供不同的教学方法。 在此多代理系统中，为减少代理之间的直接沟通，故将相互的沟 通信息放置在界面代理中的全局数据库中，由主控程序负责通知相关 的模块，当然，主控程序代理也可以单独形成一个模块。模型中涉及5 个基本数据库，即学习资源库、系统全局知识库、教学策略库、界面 库和学生模型库( 含学生基本信息与学习中间信息) ：3 类基本用户， 即教师、学生和管理者；6 类a g e n t ，即教师a g e n t 、学生a g e n t 、管 理者a g e n t 、人机交互界面a g e n t 、教学a g e n t 和管理a g e n t 。 ( 2 ) m a s c w l 系统模型1 3 1 图2 2m a s c w l 系统模型 f i g2 2m a s c w lm o d e l a g e n t 的协作学习区是一块虚拟的共享区域，支持在线协作学习者 在各自的计算机上浏览同一内容或讨论同一问题。协作学习者还可以 通过文字、绘图等形式进行交流，除了实现学习的协作外，协作学习 区还可以实现总任务的接受，根据一定的原则划分成子任务，将所有 登录的学习者划分成合理的协作学习小组功能等。协作学习区可以通 过模拟现实工作中的黑板，即电子白板系统来实现。 系统基于j 2 e e 平台并采用f f q c 架构模式构建：系统门户采用j s p 技术实现，中间控制由用j a v a 实现的移动代理构成，后端教学资源存 储于关系数据库并以r d f 模式呈现。 8 山东大学硕士学位论文 2 2 蚁群算法 2 0 世纪5 0 年代中期创立了仿生学，人们从生物进化的机理中受 到启发，提出了许多用以解决复杂优化问题的新方法，如遗传算法、 进化规划、进化策略等。蚁群算法最早由意大利学者m d o r i g o 于1 9 9 2 年，在他的博士论文中首次系统提出，并用该方法求解旅行商问题 ( t s p ) 、指派问题( a s s ig n m e n tp r o b l e m ) 、j o bs h o p 调度问题，取得了一 系列较好的实验结果。受其影响，蚁群系统模型逐渐引起了其他研究 者的注意，并用该算法来解决一些实际问题，虽然对此方法的研究刚 刚起步，但是这些初步研究已显示出蚁群算法在求解复杂优化问题( 特 别是离散优化问题) 方面的一些优越性，证明它是一种很有发展前景 的方法。 2 2 1 蚁群算法的原理 人工蚁群算法是受到人们对自然界中真实的蚁群集体行为的研究 成果的启发而提出的一种基于种群的模拟进化算法。m d o r i g o 等人首 次提出该方法时，充分利用了蚁群搜索食物的过程与著名的旅行商问 题( t s p ) 之间的相似性，通过人工模拟蚂蚁搜索食物的过程( 即：通过个 体之间的信息交流与相互协作最终找到从蚁穴到食物源的最短路径) 来求解t s p ，为了区别于真实蚂蚁群体系统，我们称这种算法为“人 工蚁群算法”。像蚂蚁这类群居昆虫，虽然单个蚂蚁的行为极其简单， 但由这样的单个、简单的个体所组成的蚁群群体却表现出极其复杂的 行为，能够完成复杂的任务，不仅如此，蚂蚁还能够适应环境的变化， 如：在蚁群运动路线上突然出现障碍物时，蚂蚁能够很快地重新找到 最优路径。蚁群是如何完成这些复杂的任务的呢? 人们经过大量研究 发现，蚂蚁个体之间是通过一种称之为外激素的物质进行信息传递。 从而能相互协作，完成复杂的任务。蚁群之所以表现出复杂有序的行 为，个体之间的信息交流与相互协作起着重要的作用。蚂蚁在运动过 程中，能够在它所经过的路径上留下该物质，而且蚂蚁在运动过程中 9 i u 东大学硕士学位论文 能够感知这种物质的存在及其强度，并以此指导自己的运动方向，蚂 蚁倾向于朝着该物质强度高的方向移动。因此，由大量蚂蚁组成的蚁 群的集体行为便表现出一种信息正反馈现象：某一路径上走过的蚂蚁 越多，则后来者选择该路径的概率就越大。蚂蚁个体之间就是通过这 种信息的交流达到搜索食物的目的。 2 2 2 蚁群算法的优点 众多研究已经证明蚁群算法具有很强的发现较好解的能力，这是 因为该算法不仅利用了正反馈原理，在一定程度上可以加快进化过程， 而且是一种本质并行的算法，不同个体( a g e n t ) 之间不断进行信息交流 和传递，从而能够相互协作，有利于发现较好解。蚁群算法可以解释 为一种特殊的强化学习算法。它具有以下优点： ( 1 ) 较强的鲁棒性：对基本蚁群算法模型稍加修改，便可以应用于 其它问题； ( 2 ) 分布式计算：蚁群算法是一种基于种群的进化算法，具有本质 并行性，易于并行实现： ( 3 ) 易于与其它方法结合：蚁群算法很容易与多种启发式算法结 合，以改善算法的性能。 2 3 模糊神经网络 什么是学习? h s i m e n 给出的定义：“能使系统改进性能的任何处 理过程”。机器学习的意义在于“从数据中归纳或发现规律，以改进 某种性能一。它的相关领域包括：人工智能( a r t i f i c i a l l nm l l i g e n c e ) 、 概率与统计( p r o b a b i l i t y a nd s ta t i s t i c s ) 、计算复杂性理论( c o m p u t a t i o n al c o m p l e x i t yt h e o r y ) 、它的学习模型主要有：控制论( c o n t r o lt h e o r y ) 、信 息哲学( p h i l o s o p h y ) 、心理学( 认知，进化) ( p s y c h o l o g y ) 、神经生物学 ( n e u r o b i o l o g y ) 、语言学( l i n g u i s t i c s ) 等。 学习是神经网络一种最重要也最令人注目的特点。在神经网络的 发展进程中，学习算法的研究有着十分重要的地位。目前，人们所提 1 0 i 【i 东大学硕士学位论文 量量曼曼| 曼曼曼蔓曼鼍量皇量曹鼻 i h _ i i 皇邑量皇量皇| 皇量宣曼皇量旨量皇量量量曼一 出的神经网络模型都是和学习算法相应的。所以，有时人们并不去祈 求对模型和算法进行严格的定义或区分。有的模型可以有多种算法而 有的算法可能可用于多种模型。不过，有时人们也称算法为模型。自 从4 0 年代h e b b 提出的学习规则以来，人们相继提出了各种各样的学习 算法。其中以在1 9 8 6 年r u m e l h a r t 等提出的误差反向传播法，即b p ( e r r o r b a c k p r o p a g a t i o n ) 法影响最为广泛。直到今天，b p 算法仍然是自动控制 上最重要、应用最多的有效算法。 在神经网络中，对外部环境提供的模式样本进行学习训练，并能 存储这种模式，则称为感知器；对外部环境有适应能力，能自动提取 外部环境变化特征，则称为认知器。神经网络在学习中，一般分为有 教师和无教师学习两种。感知器采用有教师信号进行学习，而认知器 则采用无教师信号学习的。在主要神经网络如：b p 网络，h o p f i e l d 网 络，a r t 网络和k o h o n e n 网络中；b p 网络和h o p f i e l d 网络是需要教师信 号才能进行学习的；而a r t 网络和k o h o n e n 网络则无需教师信号就可以 学习。所谓教师信号，就是在神经网络学习中由外部提供的模式样本 信号。 随着模糊信息处理技术和神经网络技术研究的不断深入，将模糊 技术与神经网络进行有机的结合，从而构造出一种可“自动处理模 糊信息的模糊神经网络或称自适应模糊系统，成为当前的一个重要的 研究“热点。模糊神经网络本质上就是将常规的神经网络( 如前向反 馈神经网络，h o p f i e l d 神经网络) 赋予模糊输入信息和模糊权值。将模 糊系统表达成连接主义方式的网络结构来进行模糊信息处理是神经模 糊技术的主要研究方向。采用神经网络技术进行模糊信息处理有多种 方法，主要是构造各类模糊神经元和模糊神经网络作为模糊信息处理 单元，从而实现模糊信息的自动化处理。 2 3 1 模糊神经元 模糊神经元是指一类可实施模糊信息处理或模糊逻辑运算的人工 神经元。基本的模糊神经元包括：模糊化神经元、去模糊化神经元和 模糊逻辑神经元。模糊化神经元接收离散或连续的、确定或模糊的单 l i j 东大学硕士学位论文 元输入，输出是由系统模糊变量基本状态隶属函数所确定的标准化的 值。去模糊化神经元可将以“分布值”表示的输出结果以“确定性值” 的形式输出：而模糊逻辑神经元则以多输入、单输出的形式实现模糊 逻辑函数或模糊整合函数。 2 3 2 模糊神经网络 模糊神经网络是全部或部分采用模糊神经元所构成的一类可处理 模糊信息的神经网络系统。每个节点层的节点数及权值可以根据模糊 系统所采用的具体模块形式而预置，其隶属函数和模糊规则是通过一 定的学习算法产生的。而模糊神经网络的具体结构则因模糊系统的具 体描述方式、网络学习算法和节点函数选取的不同而各异。去模糊化 神经元可将以“分布值表示的输出结果以“确定性值 的形式输出： 而模糊逻辑神经元则以多输入、单输出的形式实现模糊逻辑函数或模 糊整合函数。 模糊神经网络也可分为前向型和反馈型两种。前向型模糊神经网 络可以实现一般的模糊映射关系，它由模糊化层、模糊关系映射层和 去模糊化层组成。模糊化层是对模糊信息进行预处理的网层，主要由 模糊化神经元组成。其主要功能是对观测值或输入值( 包括模糊的和非 模糊的信息和数据) 进行规范化的处理，使之适应后面的网络化处理。 模糊关系映射层是前向神经网络的核心，可模拟执行模糊关系的映射， 以实现模糊模式识别、模糊推理和模糊联想等。去模糊化层可对映射 网层的输出结果进行非模糊化处理。这在识别和控制领域有时十分必 要，因为系统有时要求给出确定性结果以供机器执行。反馈型模糊神 经网络可以实现模糊联想存储和映射，所以也被称为模糊联想存储器。 本文主要研究使用前馈模糊神经网络来实现模糊推理，从而实现网络 协作学习系统中的教学方法的选择。 山东大学硕士学位论文 2 4 数据挖掘技术简介 2 4 1 数据挖掘的定义 数据挖掘( d a t am i n i n g ) 就是从大量的、不完全的、有噪声的、模 糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道 的、但又是潜在有用的信息和知识的过程。 k d d 即数据库知识发现，为( k n o w l e d g ed i s c o v e r yi nd a t a b a s e ) 的 缩写。许多学者认为数据挖掘和k d d 是等价的概念，人工智能领域习 惯称为k d d ，而数据库领域习惯称呼为数据挖掘；也有学者把k d d 看作是发现知识的完整过程，而将数据挖掘视为其中的一个基本步骤。 图2 3 示意了知识发现的主要过程，这里我们将数据挖掘作为知识发 现的一个重要步骤。 知识 图2 3数据挖掘视为知识发现过程的一个步骤 f i g2 - 3d a t am i n i n g 嬲ak e ys t e po fk n o w l e d g ed i s c o v e r yi n d a t a b a s e 由于在产业界、媒体和数据库领域中，数据挖掘的叫法更为流行， i | j 东大学硕士学位论文 | 曼量鲁舅曹量曼曼曼量曼罾鼍曼曼量鼍量量曼皇曼皇曼| 量曼曼曼曼量| | 鲁一1 舅曼曼曼鲁曼皇曼曼量 因此，本文中采用数据挖掘表示数据库中的知识发现过程。本文中使 用u f a y y a d 等对数据挖掘的定义：从数据集中识别出有效的、新颖的、 潜在有用的、并且最终可理解的模式的非平凡过程【t 】。 2 4 2 数据挖掘的分类及工具 作为一门处理数据的新兴技术，数据挖掘有许多的新特征。首先， 数据挖掘面对的是海量的数据，这也是数据挖掘产生的原因。其次， 数据可能是不完全的、有噪声的、随机的，有复杂的数据结构，数据 维数大。最后，由于数据挖掘源于多个学科，是一个交叉学科领域， 因此数据挖掘研究产生了大量的不同类型的数据挖掘系统。从不同的 角度看，数据挖掘系统有各种分类，主要有以下几方面： ( 1 ) 根据挖掘的知识类型分类 这种分类方法将数据挖掘系统分为：关联规则、分类、特征化、 聚类分析、演变分析、孤立点分析、偏差分析等。， ( 2 ) 根据挖掘知识的抽象层次分类 将数据挖掘系统算法分为原始层的数据挖掘、高抽象层的数据挖 掘、多层次的数据挖掘。 ( 3 ) 根据挖掘的数据库类型分类 基于数据库的分类有：关系型、事务型、面向对象型、空间型、 时间型、文本型、多媒体、异质数据库、遗留型和w w w 数据挖掘系 统等。 ( 4 ) 根据采用的技术分类 最常用的数据挖掘技术有： ( 1 ) 人工神经网络：它从结构上模仿生物神经网络，是一种通过训 练来学习的非线性预测模型，可以完成分类、聚类、特征挖掘等多种 数据挖掘任务。 ( 2 ) 决策树：用树形结构来表示决策集合，这些决策集合通过对数 据集的分类产生规则。典型的决策方法有分类回归树( c a r t ) ，一般用 l k n o w l e d g ed i s c o v e r y 加d a t a b a s e si st h en o n t r i v i a lp r o c e s so fi d e n t i f y i n gv a l i d ，n o v e l 。 p o t e n t i a l l yu s e f u l ，a n du l t i m a t o lyu n d e r s t a n d a b l ep a t t e r n si nd a t a 1 4 山东大学硕士学位论文 - i nmm ；_ 一o 鼍| _ 鼻曼_ 罾圈 于分类规则的挖掘。 ( 3 ) 遗传算法：基于生物进化的概念，设计一系列的过程来达到优 化的目的。这些过程有基因组合、交叉、变异和自然选择。为了应用 遗传算法，需要把数据挖掘任务表达为一种搜索问题，从而发挥遗传 算法的优化搜索能力。 ( 4 ) 最近邻技术：通过k 个最与之相近的历史记录的组合来辨别新 的记录，有时也称这种技术为k 最近邻方法。这种技术可以用作聚类、 偏差分析等挖掘任务。 ( 5 ) 规则归纳：通过统计方法归纳、提取有价值的i f t h e n 规则。 规则归纳技术在数据挖掘中广泛使用，例如关联规则的挖掘。 ( 6 ) 可视化：采用直观的图形方式将信息模式、数据关联或趋势呈 现给决策者，决策者可以通过可视化技术直观地分析数据关系。 ( 7 ) 统计方法：抽样技术：我们面对的是大量的数据，对所有的 数据进行分析是不可能的也是没有必要的，主要在理论的指导下进行 合理的抽样。多元统计分析：因子分析，聚类分析等。统计预测 方法，如回归分析，时间序列分析等。 山东大学硕士学位论文 第3 章协作学习系统的模型设计 3 1 智能代理技术在网络协作学习中的应用 智能代理是人工智能领域的研究热点之一，教学系统中的智能代 理可以作为教学管理者、教学辅助者，甚至作为教学对象陪伴学生学 习。随着网络环境的不断完善和智能代理技术的逐渐成熟，基于智能 代理的网络教学系统将是未来网络教学的发展方向。目前，网络教学 系统中智能代理应用多以软件模型为基础，更多的是关注于实现智能 代理的协作性、移动性、安全性，以及m a s 系统内部的相互结合。网 络教学系统中的各代理根据功能可以分为教学代理、管理代理、伴学 代理、搜索代理、通信代理等。这些智能代理主要在五方面发挥作用： 即实时监督、教学分析、信息过滤( 推荐) 、协作学习和智能推理。 ( 1 ) 实时监督。网络教学是现代远程教育在新技术条件下的发展， 它充分体现了远程教育与现代信息通信技术相结合的优势。但是，由 于时空差异导致缺乏有效及时的指导，所以学生的学习行为完全依赖 于自我调控。利用智能代理技术可以实现对学生学习行为的监督，如： 系统可以对长时间没有做出积极响应的学习者给予提醒，同时可以将 监督结果记录在学生基本资料库中，以备日后分析学习者的学习状况， 提出合理化建议。 ( 2 ) 教学分析。教学分析是智能代理的主要作用，它通过对学生学 习行为的分析，科学地提供教学策略，智能地解决学生在学习过程中 遇到的问题，协助学生自主完成学习任务。利用具备教学分析功能的 智能代理，学生可以随时提出困惑自己的问题，而教师代理可以通过 查询自身知识库，将正确答案呈现给学生。 ( 3 ) 信息过滤及推荐。网络教学中的智能代理系统具备网络信息过 滤和信息推荐的功能。网络教学中，学习者往往面对海量信息不知所 措。不仅浪费学习者的学习时间，而且也不利于学习者的针对性学习。 使用智能代理系统可以避免这种情况的出现。智能代理首先应确定用 户兴趣范围，然后将会自动在网络中寻找对学习者学习过程有帮助的