基于改进蜂群算法的项目反应理论混合模型参数估计

吉林大学学报(理学版)

基于改进蜂群算法的项目反应理论混合模型参数估计

温长吉^1,2, 王生生², 赵昕¹, 李健¹, 周翠娟¹

1. 吉林农业大学信息技术学院, 长春 130118; 2. 吉林大学符号计算与知识工程教育部重点实验室, 长春 130012

收稿日期:2013-12-09 出版日期:2014-07-26 发布日期:2014-09-26
通讯作者: 王生生 E-mail:wss@jlu.edu.cn

Modified ABC Based Parameter Estimation ofthe Mixture IRT Model

WEN Changji^1,2, WANG Shengsheng², ZHAO Xin¹, LI Jian¹, ZHOU Cuijuan¹

1. College of Information and Technology, Jilin Agricultural University, Changchun 130118, China;2. Key Laboratory of Symbolic Computing and Knowledge Engineering of Ministry of Education,Jilin University, Changchun 130012, China

Received:2013-12-09 Online:2014-07-26 Published:2014-09-26
Contact: WANG Shengsheng E-mail:wss@jlu.edu.cn

摘要/Abstract

摘要：

基于混合项目反应理论模型, 实现了对客观题组和主观测试组成项目结构的模型构建, 并给出一种改进人工蜂群算法实现该混合模型的参数估计. 在模拟数据上通过与Winbug的对比结果验证了利用改进人工蜂群算法估计混合模型参数的有效性.

关键词: 项目反应理论, 混合模型, 参数估计, 人工蜂群算法

Abstract:

A mixture IRT model was proposed which is composed of the testlet response model and the partial credit model for representing the subject and object tests. Meanwhile a modified artificial bee colony algorithm was proposed to estimate the parameters in the mixture model. The comparative experiment results based on the simulate data show that the novel method in this work is feasible and effective.

Key words: item response theory, mixture model, parameter estimation, artificial bee colony algorithm

中图分类号:

TP301.6

温长吉, 王生生, 赵昕, 李健, 周翠娟. 基于改进蜂群算法的项目反应理论混合模型参数估计[J]. 吉林大学学报(理学版), 2014, 52(04): 758-762.

WEN Changji, WANG Shengsheng, ZHAO Xin, LI Jian, ZHOU Cuijuan. Modified ABC Based Parameter Estimation ofthe Mixture IRT Model[J]. Journal of Jilin University Science Edition, 2014, 52(04): 758-762.

[1]	高采文, 张志强, 刘宝亮. 具有Allee效应的不确定Logistic种群模型[J]. 吉林大学学报(理学版), 2023, 61(6): 1271-1278.
[2]	马明, 彭博, 拉毛措, 冶建华. Poisson截断δ冲击模型失效参数的Bayes估计[J]. 吉林大学学报(理学版), 2023, 61(2): 292-302.
[3]	方省, 罗引, 曹家, 徐楠, 蒋水宾, 郝艳妮. 基于高斯混合模型的无线传感器网络定位算法[J]. 吉林大学学报(理学版), 2022, 60(3): 713-720.
[4]	王玉, 申铉京, 周昱洲, 林鸿斌. 一种求解交通网络中最短路径问题的人工蜂群算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1144-1150.
[5]	杨艳秋, 王德辉. 缺失数据下MGINAR(p)模型的参数估计[J]. 吉林大学学报(理学版), 2020, 58(3): 563-568.
[6]	倪红梅, 刘永建, 李盼池. 基于自适应动态重组和极值扰动的人工蜂群算法[J]. 吉林大学学报(理学版), 2019, 57(3): 607-612.
[7]	闫丽宏. 广义分数阶Sprott-C混沌系统的有限时间滑模同步[J]. 吉林大学学报(理学版), 2019, 57(04): 940-946.
[8]	姜建华, 吴迪, 郝德浩, 王丽敏, 张永刚, 李克勤. 基于CDbw和人工蜂群优化的密度峰值聚类算法[J]. 吉林大学学报(理学版), 2018, 56(6): 1469-1475.
[9]	张爽, 王华, 高金刚. 基于小生境人工蜂群算法的字符边缘图像提取[J]. 吉林大学学报(理学版), 2018, 56(6): 1495-1500.
[10]	王平凡, 刘淑芬. 基于HMM的自适应软件决策模型[J]. 吉林大学学报(理学版), 2018, 56(3): 645-649.
[11]	王素丽, 吕艳. 一类非线性随机微分方程的参数估计[J]. 吉林大学学报(理学版), 2017, 55(02): 289-293.
[12]	王荣丽, 肖宇虹, 侯秀萍. 通信不确定MPI并行程序的测试数据自动生成方法[J]. 吉林大学学报(理学版), 2016, 54(06): 1378-1382.
[13]	姜建华, 冯云钊, 吴迪, 刘颖, 王丽敏. 数据中心启发式反向人工蜂群虚拟机整合节能策略[J]. 吉林大学学报(理学版), 2016, 54(03): 597-602.
[14]	王海洋, 王江. 基于关键参数反馈的神经元放电模式控制[J]. 吉林大学学报(理学版), 2016, 54(02): 315-322.
[15]	姜建华, 刘渝, 王丽敏, 陈坚, 黄娜, 魏晓辉. 数据云中基于启发式反向蜂群的虚拟机选择节能算法[J]. 吉林大学学报(理学版), 2014, 52(06): 1239-1248.