1.一种基于信息融合与机器学习的智能计算机辅助教学系统，其特征在于：所述智能计算机辅助教学系统包括教学过程信息融合子系统与教学模拟执行子系统；
所述的教学过程信息融合子系统，用于对教学过程中所涉及的对象、素材和工具要素进行多维对象信息提取，处理非结构化不完备数据，消除各指标数据间的耦合噪声与相关冗余数据，为教学模拟执行子系统提供元数据支持；
所述的教学模拟执行子系统，用于对教学过程信息融合子系统上传的元数据进行挖掘与整合，模拟教学过程所涉及的执行环节；根据对学生学习效果的评价和当前教学资源配置情况，实现对实际教学过程的自动优化和动态调度。
2.如权利要求1所述的基于信息融合与机器学习的智能计算机辅助教学系统，其特征在于：所述的教学过程信息融合子系统中，教学过程信息融合处理的过程如下：
①确定一具体教学班级作为工作对象，通过所在院校教务管理系统获取学生的基本档案数据，对其学缘历程、文化背景信息进行扩充与完善，并已数据记录的形式进行表述；
②通过访谈与调查问卷的方式采集教务管理系统未包含的学生信息数据，按照数据库第三范式(3NF)进行编排与初步规格化，建立扩展的学生学习信息数据表；
③采用静态数学统计算法进行特征数据提取，得到该方向学生在学缘结构、知识储备、记忆特征和学习策略方面的特征数据，并在此基础上得到统计平均值、方差、标准差、自相关、互相关和数据偏移衍生数据项；
④采用粗糙集经验学习系统对上一步处理的数据对象进行多维对象信息提取，处理非结构化不完备的衍生数据项，消除各指标数据间的耦合噪声与相关冗余数据，提高所获信息的可用度，为教学过程模拟计算提供完备、可靠的数据序列。
3.如权利要求1或2所述的基于信息融合与机器学习的智能计算机辅助教学系统，其特征在于：所述教学模拟执行子系统划分为3个逻辑功能模块：面向专业领域知识点系统的超文本知识库模块、面向教师教学过程的教师模块与面向学生学习过程的学生模块。
4.如权利要求3所述的基于信息融合与机器学习的智能计算机辅助教学系统，其特征在于：所述的超文本知识库模块是面向某具体专业的领域知识超集，包括领域知识点网络实例、过程性知识素材实例、结构化知识素材实例、教师先验规则、难度问题实例、知识迁移过程实例组元；所述的领域知识点网络实例、过程性知识素材实例、结构化知识素材实例为静态组元，只能进行定期更新维护，其中领域知识点网络实例通过超文本链接方式构建关联并完成内容表述，过程性知识素材实例与结构化知识素材实例通过多级嵌入式超媒体进行递进式构建与表达，所述的教师先验规则、难度问题实例、知识迁移过程实例为动态组元，通过超文本知识库模块的用户接口对上述组元进行更新、删减、补充和扩展操作。
5.如权利要求3所述的基于信息融合与机器学习的智能计算机辅助教学系统，其特征在于：所述的教师模块是面向教学过程产生式规则推理机制，对教师教学活动的过程模拟，完成对学生模型记录下来的学生信息进行处理，并运用知识库中的知识进行推理，做出决策和判断；教师模块由教学过程推理构件与应用程序接口组成，处理过程如下：①学生在做完一道习题后，通过教师模块应用程序接口唤醒教学过程推理构件；②教学过程推理构件通过隐性马尔科夫模型算法对学生所做习题进行错误诊断，并根据不同的情况给出不同的提示信息和辅导；③若学生出现错误，学生是因某一个知识点不懂而导致的错误给出文本描述，通过先序遍历的方式在知识库中先找到该知识点；④在规则库中找到与该知识点相关的推理规则，利用自适应贝叶斯网络算法得出与该知识点有联系的知识网络路径，通过教师模块指导学生的学习，并把相关的错误原因分析过程提示给学生。
6.如权利要求3所述的基于信息融合与机器学习的智能计算机辅助教学系统，其特征在于：所述的学生模块包括无导师学习构件、有导师学习构件、智能化人机接口，所述的无导师学习构件利用自组织神经网络算法实现对学生自学过程的模拟与优化，即通过自组织神经网络算法自主调用超文本知识库模块中的知识规则，建立新的知识联系，形成新的知识规则；所述的有导师学习构件利用误差反向传播神经网络算法对学生在有老师教授的学习过程进行模拟与优化，即通过人工方式从调用超文本知识库模块中的知识规则，按照预设目标进行逐级聚类学习，最后在设定阈值处(教学目标)收敛结束；所述的智能化人机接口跟踪学生学习过程，过程如下：①对每个课程建立独立的单元，建立各单元水平的判定规则；②学生进入学习状态，在教师模块的指导下，根据教学目标选择学习内容和习题；③若学生完成一课的学习，给出水平判定值，并进行错误诊断时，并从教师模块和知识库中得到系统对学生行为诊断的信息反馈；④将反馈频率较高的信息设定为典型记录，组成学习过程主题记录文件，作为知识库模块更新的重要依据。