123,123,123

內(nèi)容簡(jiǎn)介

　　《數(shù)據(jù)挖掘及其在學(xué)習(xí)資源推薦中的應(yīng)用研究》為國(guó)家社會(huì)科學(xué)基金項(xiàng)目成果，針對(duì)個(gè)性化學(xué)習(xí)資源推薦面臨的主要問(wèn)題，圍繞數(shù)據(jù)挖掘優(yōu)化方法、學(xué)習(xí)者建模、個(gè)性化學(xué)習(xí)資源推薦等方面的內(nèi)容展開(kāi)研究?！稊?shù)據(jù)挖掘及其在學(xué)習(xí)資源推薦中的應(yīng)用研究》采用定性與定量研究、理論與實(shí)證研究相結(jié)合的研究方式，融合多個(gè)學(xué)科的技術(shù)成果，在研究方法和手段上有所創(chuàng)新?！稊?shù)據(jù)挖掘及其在學(xué)習(xí)資源推薦中的應(yīng)用研究》既包括翔實(shí)的理論闡述，又有系列的公式演示，嚴(yán)謹(jǐn)可信，具有一定的理論研究?jī)r(jià)值;并且提出的一些新型模型和理論框架具有較高的應(yīng)用價(jià)值。

作者簡(jiǎn)介

暫缺《數(shù)據(jù)挖掘及其在學(xué)習(xí)資源推薦中的應(yīng)用研究》作者簡(jiǎn)介

圖書(shū)目錄

目錄
前言
第1章緒論1
1.1數(shù)據(jù)挖掘基本理論1
1.2數(shù)據(jù)挖掘研究進(jìn)展8
1.3推薦系統(tǒng)基本理論14
1.4研究思路20
第2章特征提取方法22
2.1背景知識(shí)22
2.2流形判別分析24
2.3融合數(shù)據(jù)分布特征的多視角分析方法31
2.4基于圖的人臉特征提取方法36
2.5基于Fisher準(zhǔn)則的半監(jiān)督特征提取方法41
2.6融合全局和局部特征的特征提取方法46
第3章智能分類(lèi)方法52
3.1背景知識(shí)52
3.2融合數(shù)據(jù)分布特征的保序分類(lèi)方法56
3.3模糊雙超球分類(lèi)方法64
3.4基于邊界的*大間隔模糊分類(lèi)器69
3.5具有N-S磁極效應(yīng)的*大間隔模糊分類(lèi)方法77
3.6面向大規(guī)模數(shù)據(jù)的非線性集成分類(lèi)方法86
第4章學(xué)習(xí)者興趣建模方法92
4.1學(xué)習(xí)者模型與學(xué)習(xí)者建模93
4.2學(xué)習(xí)者興趣建模研究進(jìn)展94
4.3學(xué)習(xí)者建模面臨的挑戰(zhàn)99
4.4基于本體的學(xué)習(xí)者建模103
4.5基于主題模型的學(xué)習(xí)者建模108
4.6基于社交網(wǎng)絡(luò)的學(xué)習(xí)者建模112
第5章學(xué)習(xí)資源推薦方法116
5.1學(xué)習(xí)資源推薦方法研究進(jìn)展116
5.2基于興趣圖譜的學(xué)習(xí)資源推薦方法125
5.3基于二部圖的學(xué)習(xí)資源混合推薦方法132
5.4基于本體的學(xué)習(xí)資源推薦方法139
第6章大數(shù)據(jù)環(huán)境下的學(xué)習(xí)資源推薦方法149
6.1大數(shù)據(jù)與推薦系統(tǒng)149
6.2大數(shù)據(jù)環(huán)境下推薦系統(tǒng)的研究進(jìn)展157
6.3大數(shù)據(jù)環(huán)境下推薦系統(tǒng)的典型應(yīng)用166
6.4大數(shù)據(jù)環(huán)境下的學(xué)習(xí)資源推薦系統(tǒng)170
6.5挑戰(zhàn)與展望173
參考文獻(xiàn)174