基于數(shù)據(jù)挖掘的學(xué)習(xí)者身份識(shí)別.pdf

1、由于互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，各類在線學(xué)習(xí)系統(tǒng)不斷涌現(xiàn)，它們以其方便、人性化的特點(diǎn)，大有代替?zhèn)鹘y(tǒng)課堂式教學(xué)的趨勢(shì)。然而網(wǎng)絡(luò)的虛擬性，使得在線學(xué)習(xí)者身份的真實(shí)性鑒別較為困難。傳統(tǒng)的身份識(shí)別方法如用戶名與密碼的組合驗(yàn)證，它只能說明用戶具有登錄權(quán)限，并不能說明用戶為非冒充者；生物識(shí)別技術(shù)如人臉視頻識(shí)別，它可以準(zhǔn)確識(shí)別用戶身份，但此類技術(shù)難度大，普及困難。在只保留學(xué)習(xí)者行為特征屬性的情況下，基于數(shù)據(jù)挖掘技術(shù)的身份識(shí)別不失為一種新的嘗試。
　　

2、數(shù)據(jù)挖掘是指分析數(shù)據(jù)，挖掘數(shù)據(jù)中隱含的模式?；跀?shù)據(jù)挖掘的學(xué)習(xí)者身份識(shí)別，指的是對(duì)學(xué)習(xí)者留下的一系列行為數(shù)據(jù)進(jìn)行挖掘而得到學(xué)習(xí)者的行為模式，包括普遍行為模式和異常行為模式，再經(jīng)聚類分析、分類預(yù)測(cè)、關(guān)聯(lián)檢測(cè)等處理，從而完成對(duì)在線學(xué)習(xí)者身份的識(shí)別，本文主要的研究?jī)?nèi)容有以下4點(diǎn)：
　　(1)將數(shù)據(jù)挖掘中的關(guān)聯(lián)算法應(yīng)用于學(xué)習(xí)者的身份識(shí)別。定義了由關(guān)聯(lián)分析產(chǎn)生的異常規(guī)則集，通過關(guān)聯(lián)檢測(cè)學(xué)習(xí)者的行為是否異常來識(shí)別其身份的方案，并分析了該方案的

3、不足。
　　(2)將數(shù)據(jù)挖掘中的分類算法應(yīng)用于學(xué)習(xí)者的身份識(shí)別，通過建立學(xué)習(xí)者學(xué)習(xí)成績(jī)判定的預(yù)測(cè)模型，給出了依據(jù)學(xué)習(xí)成績(jī)可信度來確定學(xué)習(xí)者身份的真實(shí)性的決策樹分類預(yù)測(cè)方案。以理論分析和實(shí)驗(yàn)驗(yàn)證相結(jié)合，分析和比較了貝葉斯、決策樹、神經(jīng)網(wǎng)絡(luò)三種分類算法的識(shí)別效果。
　　(3)分析了貝葉斯分類的特點(diǎn)，提出了利用貝葉斯分類來輔助決策樹分類的身份識(shí)別方法，彌補(bǔ)了決策樹分類不能完全考慮學(xué)習(xí)者所有行為項(xiàng)而影響最終成績(jī)預(yù)測(cè)的不足，使得分類預(yù)

4、測(cè)識(shí)別有了更好的效果。
　　(4)提出了以聚類分析為基礎(chǔ)的關(guān)聯(lián)檢測(cè)識(shí)別，通過先聚類后關(guān)聯(lián)的方式產(chǎn)生的學(xué)習(xí)者異常規(guī)則集，它能更有效地檢測(cè)出學(xué)習(xí)者的行為是否異常，因而可以避免誤檢現(xiàn)象。相比于直接關(guān)聯(lián)檢測(cè)，在分類預(yù)測(cè)的基礎(chǔ)上再進(jìn)行該檢測(cè)方案，使得學(xué)習(xí)者身份的識(shí)別有了更好的效果。
　　本文以數(shù)據(jù)挖掘理論分析和實(shí)驗(yàn)驗(yàn)證為基礎(chǔ)，將數(shù)據(jù)挖掘技術(shù)中的分類、聚類、關(guān)聯(lián)三種算法結(jié)合，提出了基于數(shù)據(jù)挖掘的學(xué)習(xí)者身份識(shí)別技術(shù)，在身份識(shí)別領(lǐng)域展現(xiàn)了一