近年来,在线教学发展迅速,一定程度上缓解了线下教学在时间和空间上的局限性。试题训练作为教学过程的关键环节,个性化试题推荐具有重要研究意义。基于认知诊断的试题推荐是当前研究的主流方向。然而,目前学生认知诊断的方法存在不足,现有的试题推荐算法准确性还有待进一步提高。本文以学生试题作答数据为基础,研究了面向个性化学习的模糊认知诊断学生建模及其在试题推荐上的应用,主要工作如下:（1）针对现有模糊认知诊断中客观题猜对概率和主观题掌握程度的计算问题,本文提出一种改进的模糊认知诊断模型I-Fuzzy CDF（Improved Fuzzy Cognitive Diagnosis Model,I-Fuzzy CDF）,实现对学生潜在特质的有效诊断。客观题中,将学生在试题考察所有知识点的平均掌握程度作为修正因子,重新定义原有学生试题猜测率,使学生试题猜对概率随着知识点掌握程度与数量的增加而增加;主观题中,根据知识点补偿的思想,采用几何平均计算学生的试题掌握程度,体现知识点间相互补偿的同时,更能客观反映学生试题掌握水平。实验结果表明:I-Fuzzy CDF模型进一步提高了模型诊断的准确性。（2）基于I-Fuzzy CDF模型,提出一种个性化试题协同推荐方法PMF-FCD（Probabilistic Matrix Factorization Based on Fuzzy Cognitive Diagnosis,PMF-FCD）。首先,利用I-Fuzzy CDF模型诊断学生对主客观题的掌握水平,改进现有推荐方法对学生认知水平考虑不充分问题;然后,设计一种基于知识点得分特征的学生相似度计算方法,得到更合理的相似结果。最后,考虑学生及试题之间的联系,将学生相似度、试题相似度融入概率矩阵分解模型中,提高模型预测准确度。实验结果表明:PMF-FCD方法在客观题推荐、主观题推荐上均比现有方法推荐更有效。