学位论文 > 优秀研究生学位论文题录展示
基于人工心理的智能化E-Learning系统研究
作 者: 解迎刚
导 师: 王志良
学 校: 北京科技大学
专 业: 控制理论与控制工程
关键词: 人工心理 情感识别 趋避度 E-learning系统 和谐人机交互
分类号: TP18
类 型: 博士论文
年 份: 2007年
下 载: 694次
引 用: 5次
阅 读: 论文下载
内容摘要
随着计算机技术的迅速发展和网络的普及,现代化服务业尤其是创新型服务业已成为经济增长的重要动力和现代化的重要标志。现代远程教育(E-learning系统)作为创新型服务业中具有代表性的一类服务业态,得到越来越多人的关注,并且取得了一定的发展,然而当前的各类现代远程教育系统(E-learning系统)缺乏教师与学生的情感互动,教师无法针对学习者的学习情况实施因材施教的个性化教学,系统也没有充分考虑教学环节中教学双方的情绪状态对教学的影响。本文结合Agent技术、情绪心理学相关理论,设计了一个基于Agent技术的E-Learning系统,以个性化教学、情感交互及人性化智能交互为核心,实现了现代远程教育(E-learning系统)过程的个性化、人性化和智能化。本论文的主要创新性成果归纳如下:1)根据“因材施教”、“个性化教学”的理念,基于注释结构模式技术,将结构化构图方法用于E-Learning系统,实现了排列阶层化、系统化的Learning-Map结构图。随后利用层次分析法可实现相对重要程度的权值或相对优劣次序的特性,结合灰色聚类分析法中可以根据灰色关联度和灰色关联矩阵把一个给定的数据对象集合分成不同的簇的特性,将学习者进行分类。结合教学要素的确定,提出了一种具有不同层次化结构要素关联的个性化Learning-Map,并根据不同的Learning-Map,定制各异的教学策略(主要是教学内容和教学时长),实现了系统个性化教学。同时扩展了层次分析法和灰色聚类分析法的应用领域。2)在学习者学习相关的情感检测方面,利用情绪心理学维度论理论,提出了教学过程中学习者趋避度和专注度的情感模型来描述E-Learning系统中学习者的情绪状态(学习兴趣和精神状态),并在趋避度和专注度的检测识别上,给出了适合E-Learning系统应用的情感模型—学习者学习兴趣检测(趋避度和专注度)模型。用检测样本数据对模型进行验证,实验结果表明所选取的趋避度和专注度模型在实时性和精确度方面均有较好的表现,具有实用价值。3)根据学习支持理论和人机交互中有效性和易用性原则,在情绪反应的类型确定上,采用模糊集合理论中的模糊综合评判法得到系统运行中情绪反应类型的分类。并利用支持向量机中1-a-1算法在处理多类分类问题时样本量少、训练速度快的特点,提出了一种情绪反应的分类模型,并进行了实验。最后根据人机交互中双向交互性要求,利于多级推理规则技术,制定了系统Agent助理的情绪反应规则,赋予系统人性化交互的能力。在上述建立的各种方法和模型的基础上,利用移动Agent自主性、移动性的特点,以Agent开发为主导,采用Aglet为Agent运行平台,将Agent运行调度及管理融入J2EE,实现了基于Agent模块的E-Learning系统。Aglet平台在系统中主要承担了底层数据处理和信息交换的任务。整个系统采用模块化设计使得系统具有良好的扩展性。同时将上述的个性化教学、学习兴趣检测及情绪反应在Agent实体中进行定制,实现了具有情感交互能力、个性化教学功能、智能化情绪反应的人性化E-Learning系统。
|
全文目录
摘要 5-7 Abstract 7-20 1 绪论 20-31 1.1 现代远程教育(E-Learning系统)研究现状 20-24 1.2 情感计算研究现状 24-28 1.2.1 情感计算 26 1.2.2 感性工学 26-27 1.2.3 人工心理理论 27-28 1.3 课题研究的意义 28-29 1.4 论文结构及简介 29-31 2 情感模型及建模方法 31-44 2.1 情感模型 31-37 2.1.1 心理学中对情绪量化的思考 31-32 2.1.2 OCC情绪模型 32-34 2.1.3 Salt&Pepper模型 34 2.1.4 EM模型 34-35 2.1.5 隐马尔可夫模型 35-36 2.1.6 基于欧氏空间的情感建模方法 36-37 2.2 情感建模方法 37-43 2.2.1 灰色理论 37-39 2.2.2 支持向量机 39-43 2.3 小结 43-44 3 E-Learning系统的实现 44-70 3.1 现代远程教育理论 44-46 3.2 ISNIES系统总体设计 46-51 3.2.1 卫星单播系统 46-48 3.2.2 双向交互形式 48-49 3.2.3 ISNIES系统结构 49-50 3.2.4 ISNIES系统的特点 50-51 3.3 基于Agent的MASIES实现 51-56 3.3.1 MASIES框架结构 51-52 3.3.2 MASIES系统Agent功能模块说明 52-55 3.3.3 Agent功能流程说明 55-56 3.4 系统中Agent的具体应用 56-68 3.4.1 Agent技术概述 56-59 3.4.2 基于Aglet平台的Agent实现 59-60 3.4.3 基于Aglet的Agent通信 60-63 3.4.4 基于Aglet的多Agent系统(MAS) 63 3.4.5 系统中Aglet平台应用 63-66 3.4.6 Agent应用的具体实现 66-68 3.5 课题研究中的调研情况 68 3.5.1 ISNIES系统工作调研 68 3.5.2 教学策略、个性教学调研 68 3.5.3 模型搭建、心理建模调研 68 3.6 小结 68-70 4 个性化教学的实现 70-94 4.1 个性化Learning-Map实现 70-79 4.1.1 ISM构造的一般步骤 71-73 4.1.2 Learning-Map 的构建 73-75 4.1.3 个性化Learning-Map 的构建 75-79 4.2 学习者分类以实现个性化施教 79-93 4.2.1 学习者基本信息评分 79-80 4.2.2 层次分析法进行评估 80-87 4.2.3 灰色聚类分析法进行评估 87-93 4.2.4 评估结果比较 93 4.3 小结 93-94 5 学习者情感检测及建模 94-121 5.1 学习者的情感认知 94-97 5.1.1 趋避度及专注度 94-95 5.1.2 人脸及眼帘的检测 95-96 5.1.3 情感状态识别 96-97 5.2 基于人脸检测的趋避度模型 97-115 5.2.1 使用曲线拟合方法建模 98 5.2.2 曲线拟合方法基本思想 98-100 5.2.3 曲线拟合方法进行趋避度建模 100-109 5.2.4 归一化思想实现趋避度简易建模 109-113 5.2.5 两种方案比较与选择 113-115 5.3 基于眼帘的专注度检测 115-117 5.4 情绪模型的定义和运算 117-119 5.4.1 情绪的定义 117-118 5.4.2 情绪运算相关理论 118-119 5.5 小结 119-121 6 情绪反应建模 121-147 6.1 智能Agent助理 121-123 6.1.1 Agent动画人物 121-122 6.1.2 Agent动画人物的实现 122 6.1.3 Agent动画显示模块 122-123 6.2 智能Agent助理的情绪 123-125 6.2.1 情绪与学习心理分析 123-124 6.2.2 情绪模块设计 124-125 6.3 基于模糊集合的情绪反应 125-128 6.3.1 在线时间评价值及学习内容评价值 125 6.3.2 学习者模糊情感综合评价 125-126 6.3.3 智能Agent助理的情绪反应 126-128 6.3.4 基于模糊集合的情绪反应总结 128 6.4 支持向量机的智能Agent助理情绪反应 128-135 6.4.1 支持向量机多类分类问题 128-129 6.4.2 支持向量机中情绪反应特征要素的提取 129-130 6.4.3 建立情绪反应分类模型的基本步骤 130-131 6.4.4 仿真实验及结果分析 131-134 6.4.5 基于模糊集的方法和基于支持向量机方法的比较 134-135 6.5 智能Agent助理情绪反应的行为规则 135-138 6.6 个性化教学助理设计 138-140 6.7 Agent助理及其情绪反应在系统中的表现 140-146 6.7.1 在同步视频教学阶段 141-142 6.7.2 在非同步教学阶段 142-146 6.8 小结 146-147 7 创新型服务业中的人机交互技术 147-163 7.1 和谐人机交互的特点 147-149 7.2 电子商务中的和谐人机交互 149-162 7.2.1 电子商务(服装选购)系统架构 149-152 7.2.2 商品信息的量化 152-156 7.2.3 顾客需求的模糊性分析 156-157 7.2.4 顾客需求与商店信息的模糊协调 157-160 7.2.5 电子商务中的人性化交互 160-162 7.3 小结 162-163 结论 163-167 参考文献 167-177 在学研究成果 177-179 致谢 179-180 附件1:《某Java 班学员基本情况调查表》 180-181 附件2《曲线拟合仿真实验代码》 181-182 附件3、libsvm 仿真实验代码 182-183
|
相似论文
- 基于多重分形的语音情感识别研究,TN912.34
- 语音情感识别的特征选择与特征产生,TP18
- 基于高斯特征的人体运动情感识别研究,TP391.41
- 基于脑电的情感识别,TP391.4
- 智能化教学中的情感识别方法研究,TP391.41
- 语音情感识别研究,TN912.34
- 音乐情感识别方法的研究,TP391.4
- 基于语言混合特征的情感识别研究,TN912.3
- 多特征结合的语音情感识别方法研究,TN912.3
- E-learning系统数据仓库模型的研究和应用,TP391.6
- 小波变换提取ECG信号情感特征的研究,TP391.41
- 脑电信号在情感识别中的研究,TP391.4
- 基于独立分量分析的语音情感识别研究,TN912.34
- 人脸表情识别中的跟踪与识别方法研究,TP391.41
- 基于特征参数的语音情感识别,TN912.34
- 基于脉搏信号的情感识别研究,TP18
- 两种改进的粒子群算法在皮肤电信号情感识别中的研究,TN911.7
- 语音情感分析业务系统的设计与实现,TN912.34
- 肌电信号在情感状态识别中的研究,TN911.7
- 生理信号情感识别中的特征组合选择研究,TN911.7
- 基于HMM的家庭服务机器人情感计算模型研究,TP242
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|