پیش بینی عملکرد دانشجویان با استفاده از متدهای ناپارامتریک رگرسیون فازی با رویکردی آماری

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,301

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

AISST01_171

تاریخ نمایه سازی: 5 مرداد 1392

Abstract:

این مقاله رویکردی جدید بر پایه متدهای ناپارامتریک رگرسیون فازی برای پیش بینی نمرات دانشجویان در امتحان پایان ترم و بهبود نتایج بعدی با استفاده از داده های ثبت شده در یک سیستم آموزشی تحت وب را ارائه میدهد. این تکنیک پیش بینی، با ترکیب الگوریتم یادگیری Ridge در فضای دو تایی لانگرانژ حاصل می شود. در این رویکرد، از معیار فاصله برای اعداد فازی که به وسیله Diamond پیشنهاد شده است استفاده می شود و به منظور محاسبه معیار هدف، تکنیک هموار سازی خطی محلی با روال Cross Validation برای انتخاب مقدار بهنیه پارامتر هموارسای، فازی شده است. در انتها، دقت روش جدید با سایر تکنیک های داده کاوی مقایسه می شود. محاسبات نشان میدهند زمانی که از روش رگرسیون ناپارامتریک فازی استفاده می شود، کارآیی به طور قابل ملاحظه ای بهتر و نقایص تمامی الگوریتم های ارائه شئه مرتفع می گردد.

Authors

کبری اطمینانی

گروه مهندسی کامپیوتر، دانشگاه فردوسی مشهد

یاسین علی پور

گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات شاهرو

مریم خدادادی

عضو هیات علمی، دانشگاه فردوسی مشهد

امیر حسین مهاجرزاده

عضو هیات علمی، دانشگاه پیام نور

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Ramaswami, M. and Bhaskaran, R. 2009. A Study on Feature ...
  • Luan, J., Zhao, C. M., and Hayek, J. 2004. Exploring ...
  • Zafra, A. and Ventura , Multi-instance genetic programming for predicting ...
  • Chanchary, F.. Haque, I., and Khalid, S. 2008. Web usage ...
  • Fausett, L., and Elwasif, W. 1994. Predicting performance from test ...
  • Martnhez, D. 2001. Predicting student outcomes using discriminant function analysis. ...
  • Minaei-B idgoli, B., and Punch, W. 2003. Using genetic algorithms ...
  • Kotsiantis, S., and Pintelas, P. 2005. Predicting students marks in ...
  • Romero, C., Espejo, P. G., Zafra, A.. Romero, J. R., ...
  • Zafra, A., Romero, C. and Ventura, S. 2011. Multiple instance ...
  • Romero, C., and Ventura, S. 2010. Educational data mining: A ...
  • Farnoosh, R.. Ghasemian, J., and Fard, O. S. 2012. A ...
  • Ishibuchi, H., and Tanaka, H. 1992. Fuzzy regression analysis using ...
  • Ishibuchi, H. and Tanaka, H. 1993. Fuzzy neural networks with ...
  • Cheng, C. B., and Lee, E. S. 2001. Fuzzy regression ...
  • P. Diamond. 1998. Fuzzy least squares. Information Sciences, 46:141-157. ...
  • Rice, W. H. 2006. Moodle e-learning course development. Packt Publishing. ...
  • نمایش کامل مراجع