跳到主要內容

臺灣博碩士論文加值系統

(216.73.216.29) 您好!臺灣時間:2025/11/30 06:24
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:楊智為
研究生(外文):Chih-Wei Yang
論文名稱:以SVM結合多重貝氏網路在教育測驗上的應用
論文名稱(外文):Modeling Student’s Learning Bugs and Skills Using Combining Multiple Modeling Student’s Learning Bugs and Skills Using Combining Bayesian Networks based on SVM
指導教授:劉湘川劉湘川引用關係
指導教授(外文):Hsiang-Chuan Liu
學位類別:碩士
校院名稱:國立臺中教育大學
系所名稱:教育測驗統計研究所
學門:教育學門
學類:教育測驗評量學類
論文種類:學術論文
論文出版年:2007
畢業學年度:95
語文別:中文
論文頁數:73
中文關鍵詞:貝氏網路SVM融合演算法
外文關鍵詞:Bayesian networksupport vector machinefusion method
相關次數:
  • 被引用被引用:23
  • 點閱點閱:597
  • 評分評分:
  • 下載下載:125
  • 收藏至我的研究室書目清單書目收藏:2
貝氏網路在教育測驗上的應用,最重要的目的為診斷學生是否具有錯誤類型,而這樣的診斷可以視為將學生的表現程度分類,因此在多重貝氏網路獲得許多的辨識資訊後,可以輸入不同的分類器來做診斷,而支撐向量機(support vector machine ,SVM)為近來機器學習領域中最受矚目的方法之一,在許多領域之應用上像是生物資訊、文件分類、影像辨識等皆有不錯的成效,因此,本研究目的欲使用SVM應用於多重貝氏網路所獲得的辨識資訊來探究辨識率是否能得到提升的效果。
本研究使用兩種辨識器,分別為1NN與SVM分類器,而輸入分類器的訊息分為後驗機率值及二元類別型態兩種。
本研究共收集了六份測驗資料來進行研究,結果顯示,以後驗機率值輸入SVM分類器的方法最佳,能有效的結合多重貝氏網路,提升辨識率。
The goal of this study was trying to combine the multiple Bayesian networks with classifier and to obtain better accuracy than single Bayesian network. The two classifiers, k-nearest-neighborhood, and support vector machine were used in this paper with two kinds of input, binary and posterior probability.
The results showed that basing on the support vector machine to combine the multiple Bayesian networks with posterior probability can improve the classification accuracy.
目 錄

第一章 緒論.......................................................................................................1
第一節 研究動機.......................................................................................1
第二節 研究目的.......................................................................................2
第三節 論文架構.......................................................................................2
第四節 名詞解釋.......................................................................................3
第五節 研究範圍與限制...........................................................................3
第二章 文獻探討...............................................................................................5
第一節 貝氏網路.......................................................................................5
第二節 貝氏網路在教育測驗上的應用.................................................10
第三節 多重辨識器融合演算法. ...........................................................13
第四節 分類器.........................................................................................21
第三章 研究方法.............................................................................................25
第一節 研究流程.....................................................................................25
第二節 資料分析.....................................................................................26
第三節 實驗設計.....................................................................................31
第四節 研究工具.....................................................................................33
第五節 評估方法.....................................................................................33
第四章 研究結果.............................................................................................37
第一節 單一貝氏網路的辨識結果.........................................................37
第二節 融合演算法的辨識結果.............................................................38
第三節 結合分類器演算法的辨識結果.................................................39
第四節 綜合比較.....................................................................................40
第五章 結論與建議.........................................................................................41
參考文獻...........................................................................................................42
附錄...................................................................................................................49
參考文獻
中文部分
王鈺婷(2005)。利用貝氏網路建構綜合觀念學習模型之初步研究。國立政治大學資訊科學學系碩士論文,台北市。
汪端正、蘇文君、郭伯臣、楊智為 (2006.12)。貝氏網路在數學領域「數與量」能力指標測驗上的應用。第十一屆人工智慧與應用研討會,高雄應用大學。
李俊儀(2005)。以貝氏網路為基礎的電腦化適性測驗選題策略-以國小數學科診斷測驗為例。國立臺中教育大學數學教育學系碩士論文,未出版,台中市。
吳仁奇(2006)。以貝氏網路為基礎之能力指標測驗編製及補救教學動畫製作-以五年級數學領域分數相關指標為例。亞洲大學資訊工程學系碩士班碩士論文,台中縣。
林鎮平(2007)。國小數學領域分數四則單元之個別化測驗及數位學習內容設計。亞洲大學資訊工程學系碩士班碩士論文,台中縣。
林顯嘉(2007)。結合不同貝氏網路之診斷測驗及補救教學系統研發-以「柱體與錐體性質」和「柱體體積」為例。亞洲大學資訊工程學系碩士班碩士論文,台中縣。
林垣圻(2006) 以貝氏網路為基礎的適性測驗電腦化的可行性評估-以國小數學科診斷測驗為例。國立臺中教育大學數學教育學系碩士論文,未出版,台中市。
洪敏甄(2007)。應用貝氏網路進行國中數學學習診斷評量編製及適性補救教學設計– 以「二元一次聯立方程式」單元為例。亞洲大學資訊工程學系碩士班碩士論文,台中縣。
周家得(2006)。以支向機為基礎並結合特徵擷取之語者辨識系統。國立台灣科技大學資訊工程系碩士論文,未出版,台中市。
施淑娟(2006)。應用貝氏網路認知診斷模式進行國小五年級小數單元學習診斷之研究。國立臺灣師範大學教育心理與輔導學系博士論文,未出版,台北市。
施淑娟、許雅菱、李俊儀、郭伯臣、劉湘川(2004)。應用貝氏網路診斷國小四年級學童「小數加減」錯誤類型之研究。第二十屆科學教育學術研討會。高雄市:國立高雄師範大學。
紀明宏(2007)。適用於高維度資料分類之階層式辨識系統。國立臺中教育大學教育測驗統計研究所碩士論文,未出版,台中市。
陳祐凡(2003)。針對線上學習的適性化導航模型。淡江大學資訊工程學系碩士論文,台中縣。
許雅菱(2005)。貝氏網路在教育測驗分析上的應用。國立台中師範學院測驗統計研究所碩士論文,未出版,台中市。
葉連源(2007)。多重貝式網路為基礎之國小扇形周長和扇形面積單元線上診斷測驗與適性補救教學。亞洲大學資訊工程學系碩士班碩士論文,台中縣。
郭伯臣、李俊儀、許雅菱、林文質(2005)。以證據為中心的數學評量設計-以貝氏網路為例,全國科學教育年會。
郭伯臣、謝典佑(2007) 貝氏網路測驗分析軟體 Test Analysis Software based on Bayesian Network (TASBN) 。未出版。
張見銘(2007)。結合貝氏網路與知識結構之電腦診斷測驗及補救教學系統研發-以國小數學領域「圖形面積」為例。亞洲大學資訊工程學系碩士班碩士論文,台中縣。
張瑞欣(2006)。以貝氏網路為基礎之線上適性測驗系統演算法。亞洲大學資訊工程學系碩士論文,台中縣。
黃秋蓉(2007)。結合不同貝氏網路之診斷測驗及補救教學系統研發-以「圓周長」和「圓面積」為例。亞洲大學資訊工程學系碩士班碩士論文,台中縣。
黃雅鳳(2006)。以貝氏網路為基礎之能力指標測驗編製及補救教學動畫製作–以六年級數學領域之「分數小數」相關指標為例。亞洲大學資訊工程學系碩士班碩士論文,未出版,台中縣。
黃意策(2002)。應用資料採礦技術於貝氏網路架構之研究──線性代數與圖論之結合。東海大學工業工程學系碩士論文,台中縣。
楊智為、劉育隆、楊晉民、曾彥鈞 (2006.12)。結合試題順序理論與貝氏網路之電腦適性測驗演算法之探究。第十一屆人工智慧與應用研討會,高雄應用大學。
劉麒峰(2004)。以貝氏網路為基礎的國中數學相關因素預測及診斷系統。淡江大學資訊工程學系碩士論文,台北縣。
劉湘川(2004)。彙編貝氏網路機率模式。國立台中師範學院九十三學年度第二學期。「貝氏統計理論」教學講義
劉芳遠(2006)。使用支持向量機於本國專利自動分類之研究。輔仁大學資訊管理學系碩士論文,未出版,台北縣。
鄭裕達(2004)。人臉追蹤與辨識。臺灣大學機械工程學研究所碩士論文,未出版,台北市。
鄭祐昇(2004)。運用資料探勘技術於知識圖之建立。東海大學工業工程與經營資訊學系碩士論文,台中縣。
謝芳伶(2004)。支援向量機於指紋辨識之應用。靜宜大學資訊管理學系碩士論文,未出版,台中縣。
謝典佑(2006)。多重貝氏網路在教育測驗上的應用。國立臺中教育大學數學教育學系碩士論文,未出版,台中市。
謝錦泉(2007)。以貝氏網路建構適性化學習環境。國立高雄應用科技大學資訊管理研究所碩士論文,台中縣。
蘇俊和(2002)。貝氏網路的建構與學習機制之研究-以航太產業績效管理為例。東海大學工業工程學系碩士論文,未出版,台中市。
英文部分
Cortes, C., Vapnik, V. (1995),“Support-vector networks,” Machine Learning, 20, 273-297,1995.
Dempster, A. P. (1967). Upper and lower probabilities induced by multi-valued mapping. Annals of Mathematical Statistics, 38, 325-339.
Duin, R, P. W, (2002), PRTools, a Matlab Toolbox for Pattern Recognition. (Available from http://www.ph.tn.tudelft.nl/prtools/ ).
Jensen, Finn V. (2001). Bayesian networks and decision graphs. New York: Springer, c2001
Kuo, B.C., Hsieh, T.Y., & Chang, Y.Y (2006). Combining Multiple Bayesian Networks for Modeling Students' Learning Bugs and Skills. The 7th International Conference on Intelligent Technologies, Taipei, Taiwan 13-15, December 2006
KUNCHEVA, L.I. (2003). Combining Pattern Classifiers methods and algorithms. New Jersey:John Wiley & Sons, Inc. , Hoboken.
Lee, J.(2003).Diagnosis of bugs in multi-column subtraction using Bayesian networks.Unpublished ph.D., Columbia University.
Mislevy, Robert J., Almond, Russell G., Lukas, Janice F.(2003).A Brief Introduction to Evidence-Centered Design.
Murphy, K. (2004). Bayes Net Toolbox for Matlab. [online]. Available:http://www.ai.mit.edu/ ~murphyk/Software/BNT/bnt.html.
Shafer, G. (1976). A Mathematical Theory of Evidence. Princeton University Press, Princeton, New Jersey.
Vapnik , V. (1995). The Nature of Statistical Learning Theory. Springer, New York.
Vomlel, J.(2004). Building adaptive tests using Bayesian networks. Kybernetika –Volume 40(2004),Number 3,p.333-348
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top