一种基于知识点的适应性导学策略研究
这是一篇关于个性化,适应性,基于案例推理,ATES,JSP,JavaBean的论文, 主要内容为本文分析了知识点及其相关概念,定义了一种表示知识点的七元组结构。在表示知识点七元组结构的基础上,提出了一种基于带权KOV网的知识点学习路线图。研究了知识点学习路线图的遍历路线,设计了一个知识点学习路线图的层次划分算法,并在此算法的基础上,设计了一个知识点学习路线图的学习遍历算法,利用本算法控制学习者的学习步调。本文把基于案例推理技术应用到适应性学习评测中,研究了案例的表示方法,定义了案例表示的三元组结构。研究了案例的索引组织,提出了案例的三级索引组织。把模糊数学中的贴近度的概念应用在案例匹配中,提出了一种基于文本贴近度的案例匹配方法。定义了案例答案的自适应组织策略,并把此策略用在案例库中答案的自适应组织中。最后,在关键技术研究的基础上,本文构建了一个基于WEB的适应性导学实验系统ATES。定义了ATES系统的逻辑结构,应用J2EE架构及相关技术,设计了一个以JSP和JavaBean组件为基础的ATES系统软件模型。
煤矿事故应急救援案例推理系统研究
这是一篇关于基于案例推理,本体,煤矿事故,应急救援的论文, 主要内容为煤矿事故应急救援案例推理系统是煤矿应急救援智能决策系统的重要组成部分,传统的系统主要以当前事故信息和应急预案为主进行决策支持,但是应急预案往往缺乏针对性。而利用相似历史事故救援经验知识指导当前事故救援,不仅符合人类解决问题的思维方式,而且更加具有针对性和适用性。本文将本体和案例推理结合起来,并运用系统工程及计算机科学与技术等知识对煤矿事故应急救援案例推理系统(CMAERCRS)进行了较深入的研究,主要的研究工作和结果如下:(1)CMAERCRS框架研究。在分析煤矿事故类型和特征之基础上,分析归纳出了CMAERCRS的功能和非功能需求,构建了 CMAERCRS的框架,包括知识层、业务逻辑层和应用层。(2)基于本体的煤矿事故案例表示研究。在分析案例表示方法、煤矿事故案例表示原则以及本体表示的优势之基础上,根据本体理论构建了煤矿事故案例本体模型(CACOM),并运用本体工具Protege实现模型,建立了基于本体的煤矿事故案例库。(3)CMAERCRS案例检索研究。通过对案例库的结构分析,提出了基于分类检索的策略;结合本体的特点对检索方法进行了优化;针对最近邻法计算属性值缺失案例存在缺陷,采用结构和局部相似度结合的方法计算整体相似度,提高了检索效率和准确性。(4)CMAERCRS设计与实现。基于B/S架构的CMAERCRS主要包括案例推理、案例库维护、专家库维护及系统管理四个模块。通过实际案例推理验证表明,通过系统能够快速检索出相似事故案例,可以为制定科学的救援方案提供决策参考。本文的研究成果对煤矿事故应急救援具有一定的参考价值,并为制定煤矿事故救援方案提供了一种可以借鉴的方法。
审计方法推荐系统研究
这是一篇关于推荐系统,审计方法,信息过滤,XML相似,基于案例推理的论文, 主要内容为随着科技的日益进步及互联网技术的迅速发展，通过Web获取信息已成为当今时代的主流，以查账为主要手段的审计职业也逐渐开始广泛运用计算机、数据库、互联网等信息技术进行管理。 为了能更好地帮助审计员从海量的被审数据中找出疑点，查找审计线索，目前各省市审计机关及审计师提供给国家审计署许多行之有效的审计方法(审计案例)，这为审计工作者提供了许多便利，大大提高了其工作效率。然而提供的审计方法逐年迅速增长，信息过载问题使得用户在选择审计方法时遇到了巨大困难，如何能够有效地帮助用户尤其是审计相关专业知识薄弱的工作者，快速且准确地从大量的审计方法中查找到自己所需的相关审计方法就成为一个亟待解决的问题。 针对上述存在的问题，本文将主要从以下几个方面做深入研究： 1.本文主要涉及的是对审计方法的推荐，由于审计方法资源能够获得完整的内容描述，在推荐系统中应用基于信息过滤的方法，根据审计方法资源与用户需求的相似性，更能从内容本质上推荐给用户真正需要的审计方法； 2.提出一种审计方法推荐混合算法，由于审计方法资源具有不同类型的内容，它不仅包含文本类型的内容，还包含流程图、审计脚本语言等。因此在推荐系统中另外加入了流程图及其审计脚本语言相似性比较的内容，从而提高了推荐的精确度； 3.将基于案例推理的思想引入到审计方法推荐系统中，一定程度上降低了审计方法的检索难度及其复杂度； 4.由于传统的信息过滤算法只能解决文本的相似度，没有考虑到审计方法资源的权威性、发表时间以及被用户引用的次数。所以本文提出带有审计资源信誉度的信息过滤技术，并与概率模型相结合，提高了推荐的准确度； 5.基于以上技术和算法，本文将初步实现一个审计方法推荐系统，本系统设计是在Windows XP环境下，运用Eclipse工具，使用Java语言实现。并用实例对系统进行相应的测试，论证系统的可行性及有效性。 总之，本文将基于信息过滤、案例推理的方法以及概率模型整合应用于审计方法推荐系统中，并在流程图相似性度量和程序脚本语言相似性度量方面做了一定的研究，本文的研究结果对于研究结构较复杂文档的推荐以及相似性比较都有一定的参考价值。
二手车价格智能评估方法及原型系统研究
这是一篇关于二手车价格评估,BP神经网络,遗传算法,基于案例推理的论文, 主要内容为随着我国经济的快速发展,二手车市场的规模在不断增大。近年来,消费者的消费观念发生了改变,人们逐渐接受购买和使用二手车这种行为,二手汽车有着良好的接受度。我国二手车的交易量逐年上升,二手车市场具有很大的发展潜力。传统的重置成本法、收益现值法、现行市价法和清算价格法这四种二手车价格评估方法的评估步骤复杂,且评估结果的主观性较强,逐渐地变得相对落后。为了给二手车的交易提供科学的价格参考,提高二手车价格评估方法的科学性和准确性,促进我国二手车市场的健康发展,本文研究了以下内容。首先,建立了一种基于MIV-GA-BP神经网络的二手车价格评估模型。由于二手车具有“一车一况一价”的特点,本文通过对二手车价格影响因素进行研究分析,从微观因素出发选取了二手车的18个特征来建立BP神经网络模型,该神经网络模型能够根据每辆车的特征值来评估二手车价格。为了避免BP神经网络的训练陷入局部极值,使用遗传算法来优化BP神经网络模型的初始权值和阈值,得到GA-BP神经网络模型;然后使用MIV变量筛选法来简化GA-BP神经网络模型的输入得到MIV-GA-BP神经网络模型。通过比较模型的相关系数R和均方误差,验证了本文的MIV-GA-BP神经网络模型比传统的BP神经网络模型有着更高的精度。然后,提出了基于AHP案例推理(Case-Based Reasoning,CBR)的二手车价格评估方法。本文所建立的MIV-GA-BP神经网络模型是用于无事故二手车的价格评估,而基于AHP案例推理的二手车价格评估方法则考虑了二手车的事故情况。基于AHP案例推理的二手车价格评估是根据历史上实际成交的二手车案例来解决当前车辆的价格评估,针对该方法本文设计了基于欧氏距离和三角模糊数的案例检索策略,并使用层次分析法(Analytic Hierarchy Process,AHP)来计算二手车案例各属性的权重值。最后,设计开发了一个二手车价格智能评估原型系统。为了将MIV-GA-BP神经网络模型和基于AHP案例推理的二手车价格评估方法用于实际的二手车价格评估中,同时也为了提高二手车中小企业的信息化管理水平,本文在Py Charm开发环境中基于Flask框架设计开发了一个B/S(Browser/Server)架构的二手车价格智能评估原型系统。该原型系统使用My SQL数据库来存储多个相关的数据表,拥有二手车价格评估、销售管理和库存管理等模块,不仅能对二手车进行精确的价格评估,还可以对二手车中小企业运营过程中的各种信息进行有效管理。
基于CBR和Mean-CVaR的股票投资组合推荐研究
这是一篇关于股票评价,投资组合推荐,基于案例推理,CVaR的论文, 主要内容为随着新技术的发展与个人财富的增加,中小投资者的投资需求日益增长。股票作为理财投资中重要部分,投资者对于股票的投资需求也随之增长。个人投资者由于投资知识及经验匮乏等因素影响,难以做出理性的投资决策。因此,设计合适的股票投资推荐系统满足中小投资者增长的投资需求,具有现实意义。此外,当前对投资产品推荐的研究集中在投资产品的风险收益与投资者之间的匹配,并没有考虑股票的多重属性与投资者的多重偏好,所以研究基于股票的多重属性与投资者的多重偏好的投资产品推荐具有理论意义。本研究提出并实现了能够满足用户偏好的智能股票投资组合推荐系统,从多种属性上衡量用户对股票的偏好,并且可以根据历史类似案例学习,然后向投资者推荐相应的股票投资组合。本研究主要包括三个部分:首先通过文献研究来确定股票的属性,以及个人对股票的偏好属性,结合TOPSIS的方法完成股票的排序推荐;其次,利用Mean-CVaR方法进行股票投资组合优化,确定出每支股票在组合中的投资权重;最后构建案例内容,建立案例之间的检索机制,从而推荐给用户合适的投资组合。通过对不同情境下用户的投资推荐案例进行分析,本研究验证了投资组合推荐系统的可用性、鲁棒性及有效性。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码导航 ，原文地址：https://m.bishedaima.com/lunwen/52105.html
