学位论文 > 优秀研究生学位论文题录展示

模糊规则算法在教育信息分类中的应用

作　者: 梁文超
导　师: 沈书生；徐朝军
学　校: 南京师范大学
专　业: 现代教育技术
关键词: TFIDF 模糊规则分类模糊集教育信息
分类号: G434
类　型: 硕士论文
年　份: 2011年
下　载: 14次
引　用: 0次
阅　读: 论文下载

内容摘要

Internet的迅速发展引起了网络教育信息数据的海量递增,然而由于网络结构的庞杂性以及教育信息自身分布的无规律性,信息的获取与应用往往受到限制,因此如何更高效的获取、利用教育信息成为人们日益关注的问题。对教育信息的分类,不仅能够为用户检索与使用教育信息资源提供便利,另一方面,通过对相关数据的分类分析,能够形成对于当前教育软硬件资源分布状况的统计描述,供教育教学人员、科研工作者以及教育管理者参考使用。本文通过对国内外相关技术的研究,结合当前应用需求,设计开发了一个用于教育信息分类的模型。以教育信息中的中小学简介信息为例,首先在分析该类数据特征项少、权重不均等特点的基础上,以改进的TFIDF算法为提取特征项基本方法,采用噪声处理、基于模糊集的同义处理等策略构建类别特征库；然后以特征库为依据,提取并使用模糊规则构建分类算法,实现对教育信息的分类。围绕着模糊规则,分类模型由特征库与模糊集的建立、文本分析、分类算法实现三个核心环节构成。为验证分类模型的整体性能,将模糊规则分类与其他分类算法进行对比实验,实验数据表明：对于教育类信息,以模糊规则为核心构建的分类模型,在分类速度、分类精度等方面具备优于其他分类算法的性能。这一结论同样适用于篇幅较短、特征项权重值分布不均衡的文本分类处理。

全文目录

摘要  3-4
Abstract  4-7
第1章绪论  7-13
  1.1 课题研究背景  7-9
    1.1.1 分类算法的研究趋势  7
    1.1.2 分类算法的教育应用  7-8
    1.1.3 模糊规则分类在项目研发中的应用价值  8-9
  1.2 课题相关研究概述  9-12
    1.2.1 国内外分类算法研究现状  9-11
    1.2.2 教育信息资源分类  11-12
  1.3 课题研究目标与研究内容  12
    1.3.1 课题研究目标  12
    1.3.2 课题研究内容  12
  1.4 课题研究方法  12-13
第2章模糊规则分类模型设计  13-21
  2.1 需求分析  13-14
  2.2 相关技术概述  14-17
    2.2.1 中文分词  14-15
    2.2.2 向量空间模型  15-16
    2.2.3 TF*IDF  16-17
  2.3 分类模型总体架构  17-21
    2.3.1 特征库与模糊集  18-19
    2.3.2 文本分析  19-20
    2.3.3 模糊规则分类  20-21
第3章模糊规则分类模型关键技术  21-31
  3.1 构建特征库  21-27
    3.1.1 噪声处理  22-24
    3.1.2 基于模糊集的同义处理  24-26
    3.1.3 迭代与子类别归一化  26-27
  3.2 模糊规则分类算法  27-31
    3.2.1 数据表征  28-29
    3.2.2 分类算法  29-31
第4章分类模型实验与结果分析  31-35
  4.1 开发平台及工具  31
  4.2 评价标准  31-32
  4.3 结果比较分析  32-34
  4.4 实时数据分析  34-35
第5章总结与展望  35-37
  5.1 主要研究结论与成果  35-36
    5.1.1 主要研究结论  35
    5.1.2 主要研究成果  35-36
  5.2 后续研究工作的展望  36-37
附录A 分类模型相关数据表结构  37-39
参考文献  39-42
在读期间发表的学术论文及研究成果  42-43
致谢  43

模糊规则算法在教育信息分类中的应用

内容摘要

全文目录

相似论文