北科大硕士论文答辩.ppt

1、基于案例推理的贝叶斯在智能交通系统中的应用研究，答辩人：丁研究方向：数据挖掘与智能教学系统导师：刘先锋教授，湖南师范大学硕士论文，3，论文基本框架，湖南师范大学硕士论文，4，总体架构，系统结构设计，湖南师范大学硕士论文，5，论文主要工作，1。同时利用学生特征数据库和数据仓库，设计了一个代表学生特征的学生模型表。湖南师范大学硕士论文，6。本文的主要工作，2。结合语料库，利用余弦相似函数、贝叶斯定理和联合概率公式构建贝叶斯推理网络。得到了基于贝叶斯推理网络的学习推荐算法，并用Java和MySQL实现，并得到了仿真结果。湖南师范大学硕士论文，7。本文的主要工作，3。构建基于案例推理的贝叶斯推理网络模

2、型，结合基于用户的协同过滤技术、预测评分法和贝叶斯定理进行学习和推荐。用Java和我的SQL，得到了仿真结果。湖南师范大学硕士论文，8，贝叶斯分类：其中xi是与元组ti相关的数据值，因此P(Cj|ti)可以从P(Cj|xi)进一步计算。假设元组ti具有p个独立的属性值xi1、xi2、xip。P(xik|Cj)可以容易地为每个属性xik计算，然后P(ti|Cj)可以被估计。湖南师范大学硕士论文，9。知识推理模型，知识推理模型，湖南师范大学硕士论文，10。贝叶斯推理算法，具体算法如下：1 .对于学生特征词子网中的每个学生Ui(或用户组)，找出与Ui相关联的学生特征词的所有子节点，即TH1、TH2T

3、Hj(j表示有J个学生特征)。湖南师范大学，11，贝叶斯推理算法，2。对于上述1中的每个教学方法术语，找出教学方法术语子网中与教学方法术语相关联的所有教学方法术语子节点，即TM1、TM2TMk(k表示有K个教学方法术语与教学方法术语相关联)，并计算相似度Bkj教学方法术语TMk与学生特征术语THj的关系：同时，在学习资源术语子网中，找出所有与THj相连的学习资源术语子节点，即TR1和TR2TRk(k表示有K个学习资源术语与THj相连)，并计算相似度Vkj学习资源项TRk与学生特征项THj之间；湖南师范大学，12，贝叶斯推理算法，3，重复2，直到TH1和TH2THj都被计算出来。4.对于上述2中

4、的每个TMk，在教学方法子网中，找出所有与TMk相连的教学方法子节点，即M1和M2Mm(m表示有m种教学方法与TMk相连)，并计算权重Amk根据TD-IDF方法的教学方法节点M和教学方法术语节点TMk同时，在学习资源子网中，找出所有与TRk相连的学习资源子节点，即R1和R2Rm(m表示有m个学习资源与TMk相连)，并计算权重Wmk学习资源节点Rm和学习资源术语节点TRk，湖南师范大学，13，贝叶斯推理算法，5，重复4，直到TM1，TM2TMk和TR1，TR2TRk都被计算出来。6.对于上述4中的每一个教学方法M，找出教学方法术语子网中与M相连的所有教学方法术语的父节点，即TM1、TM2TMn，

5、依次根据上述1、2、3中计算出的WHj、Bkj、Ank公式计算；同时，在学习资源术语子网中，找出所有与Rm相连的学习资源术语父节点，它们是：TR1、TR2TRn，它们是根据上述1、2、3中计算出的WHj、Vkj、Wnk，根据公式计算出来的。湖南师范大学硕士论文，14。贝叶斯推理算法，7。重复步骤6，直到M1和M2Mm的所有操作完成，找出一个或多个后验概率最大的M种教学方法，并向学生界面推荐它们的教学方法；同时，找出一个或多个具有最高后验概率的m个学习资源，并向学生Ui(或用户组)推荐它们的学习资源。8.重复步骤1，直到计算出U1和U2Un，也就是说，向每个学生(或用户组)推荐最好的学习方法和学

6、习资源。湖南师范大学硕士学位论文，15，推荐方法，湖南师范大学硕士学位论文，16，结果比较，17，基于案例推理的贝叶斯在智能交通系统中的应用，基于案例的推理工作流，湖南师范大学硕士学位论文，18，基于案例的贝叶斯知识推理模型，基于案例的贝叶斯知识推理模型，湖南师范大学硕士学位论文，19，基于用户的协同过滤技术，它包括两个步骤：(1)寻找一些与目标用户得分最接近的邻居。(2)预测目标案例与案例库中相邻案例之间的相似度，并由目标学生对相邻案例进行评分，将一些预测得分最高的项目形成初步候选案例进行选择。预测方法如下：湖南师范大学硕士论文，20，计算方法，输入：用户基本信息，案例数据库信息，评估结果。

7、输出：用户的前N名学习资源和推荐的教学方法集。过程：步骤1:让用户从案例数据库中随机选择N种学习资源和学习方法(根据案例空间的大小确定N的值)，并对它们进行评分，评分项目集编写为。步骤2:对于项目、案例集用户和评分项目集，使用公式(4-1)计算相似度。湖南师范大学硕士论文，21，计算方法，步骤3:从集合中选择相似度最大的m(m一般取10)，并将这些选择的项目集合的频率增加一次。然后用公式(4-2)计算，选择用户得分最高的五个案例作为初步候选案例集候选；(实践证明，最好选择五个案例)，因为基于案例推理的推荐算法应该实现两个目标：1 .检索到的案例应该尽可能少；2.尝试与目标案例相关或相似。湖南师

8、范大学硕士论文，22，计算方法，第4步：用贝叶斯知识推理算法寻找最合适的学习方法和学习资源。第五步：让用户对这些推荐的项目集进行最终评分，并将它们与第四步中推荐的项目一起添加到案例库中。对于案例库的低频剔除，案例库的增长不会太快。对于案例库中以前不存在的案例，添加它们。湖南师范大学硕士论文，23，学生信息录入界面，学生基本信息录入，湖南师范大学硕士论文，24，匹配结果，学生间相似性匹配结果，湖南师范大学硕士论文，25，推荐方法，推荐方法比较，湖南师范大学硕士论文，26，推荐结果，推荐结果，湖南师范大学硕士论文基于案例推理的贝叶斯推理过程，案例描述被提取、转换并存储在数据仓库中。根据案例推理，初

9、步选择备选案例。学习评价通过贝叶斯推理网络反馈给教师进行教学评价。湖南师范大学硕士论文28，基于案例推理的贝叶斯推理模块，基于案例推理的贝叶斯推理系统分为三个模块：信息管理：负责记录学生信息、学习资源和教学方法。信息转换：输入信息被转换成标准的存储格式，用于贝叶斯推理计算输入信息。贝叶斯推理：系统的核心部分。，湖南师范大学，29。基于案例推理的贝叶斯推理的具体实现与分析。本文的主要研究成果如下：1 .智能交通系统中的知识推理模块详细而细致，整个推理过程非常清晰；2.利用贝叶斯推理网络和贝叶斯定理、语料库相似度和倒排文档频率，用公式描述智能交通系统学习推荐的详细过程、详细算法和步骤，并用算法实现；湖南师范大学，30。基于案例推理的贝叶斯推理的具体实现与分析。3.提出了基于案例推理的贝叶斯推理，并利用案例推理技术和余弦预测方法初步选择候选案例集，减少了搜索空间，大大降低了时间复杂度。然后，利用贝叶斯推理方法从约简后的候选案例集中计算出最佳的学习资源和教学方法，最后更新这些案例；4.利用Java编程技术和MySQL实现该算法，设计了一个简单的推荐界面。湖南师范大学硕士论文，31，基于案例推理的贝叶斯推理的具体实现与分析，下一步：1。将贝叶斯知识推理和分类技术与其他推理