基于贝叶斯网络的试卷分析

《基于贝叶斯网络的试卷分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、天津大学硕士学位论文基于贝叶斯网络的试卷分析姓名：王娜申请学位级别：硕士专业：计算机应用技术指导教师：廖士中20070701摘要考试是一个完整的教学过程中不可缺少的组成部分，是对教和学的质量的检验。对考试结果进行研究，促进我们对教学过程的反思，进而找到下一步工作的方向和改进的措施。贝叶斯网络(BayesianNetwork)是Pearl提出的一种基于概率论和图论的不确定知识表示模型，具有清晰语义的网络结构，揭示领域对象的内在结构，是复杂全概率分布的紧凑表示方式。其坚实的理论基础、知识结构的自然表达方式、

2、灵活的推理能力、方便的决策机制及有效的学习能力使其成为一种主要的不确定知识的处理方法。本文的主要工作是进行基于贝叶斯网络的试卷分析实验，试验主要用到的工具是基于MATLAB语言编写的BNT软件包，该软件包提供了许多贝叶斯网络学习的底层基础函数库，支持多种类型节点的精确推理和近似推理，以及参数学习和结构学习等功能。通过实验研究，分析了平时出勤率、作业提交率等五方面因素对试卷成绩的影响。关键词：试卷分析贝叶斯网络概率推理BNT工具包ABSTRACT．Testisanecessarycomponentofth

3、ewholeteachingcourse．Itservesasacheckontheeffectofboththeteachingandthelearning．TheinvestigationontheresultofthetestwillhelpUSreflectontheteachingcourse，andfindwhattodonextandhowtomakeimprovements．TheBayesianNetwork(BN)proposedbyPearlisanewmechanismforun

4、certainknowledgerepresentationandmanipulationbasedonprobabilitytheoryandgraphtheory．BNisnetworkstructurewithclaritysemantics．Itexploitsthestructure0fthedomaintoallowacompactrepresentationofcomplexjointprobabilitydistribution．Itssoundprobabilisticsemantic

5、sexplicitencodingofrelevancerelationships，inferencealgorithmsandlearningalgorithmsthatarefairlyefficientandeffectiveinpractice，anddecision-makingmechanismoffacility,haveledBNtoentertheArtificialIntelligence(AI)mainstream．Thepresentthesisistomakeanexperim

6、entalanalysisofthetestpaperbasedonBayesianNetwork．ThemaintoolkitusedinthisexperimentiSBNTsoftwaresuitecompiledwithMATLAB．ThissoftwaresuiteprovidesUSwithalotofbasicfunctionsetsforBayesNetworklearning．Itissuitablefortheaccurateandappropriatelogicsofvarious

7、typesofjoints，anditalsohasthefunctionofparameterlearningandstructurelearning．Fromtheexperimentwecometotheconclusionthatfivefactorsincludingstudent—attendanceandfulfillment．of-homeworkhavegreatinfluenceontheirscores．‘KEYWORDS：testpaperanalysis，BayesianNet

8、work,probabilisticinference，BNT独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得苤盗盘堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：御亭签字同期：功印年驴月学位论文版权使用授权书本学位论文