基于支持向量机的高校教学评估的分类研究与应用

摘要

教书育人是高等院校的本职工作，教学质量是高校的生命线，也是社会对于学校最为关注的问题。随着高校招生规模不断扩大，招生人数与教学资源之间的矛盾就日益突出。对于教学质量，出现了新的要求，不单要控制教学过程，更要有一整套完善的教学质量评估体系。由于信息技术的发展，教学管理系统已经在各大高校广泛使用，其中与教学相关的数据不断积累，如何利用这些数据或者部分数据用于教学质量的提高，成为教学管理者关注的焦点。本文所选课题从实用性和经济性考虑，从作者实际工作内容出发，结合数据挖掘技术和支持向量机的理论，旨在建立一套适合普通高校使用的教学质量评估分类方法。
　　本文的主要工作如下:
　　(1)研究了目前国内的高校教学质量评估的现状，分析存在的主要问题，并对高校教学质量评估进行需求分析，结合浙江商业职业技术学院实际情况，设计并确定了评估指标。教师教学质量评估的分类是一个多分类问题，本文参考了数据挖掘的基本原理和概念，采用分类分析的方法对评估数据进行分类，并研究和分析了几种主要的分类方法。
　　(2)在教师教学质量评估分类中引入支持向量机的概念，利用偏二叉树构造分类器数目少，训练时间短的特点，提出了一种基于偏二叉树的SVM多分类方法对教学质量评估数据进行分类。结果表明，本文分类算法在精度和训练时间上都具有优势。
　　(3)针对本文研究的问题，设计并实现了基于B/S的教学质量评估系统。该系统根据按照软件工程的过程开发，具有易用性、可维护性和可扩展性。

目录

声明

摘要

第1章 绪论

1．1 选题背景

1．2 研究目的及意义

1．3 主要存在的问题

1．4 研究内容和论文组织

第2章 高校教学质量评估指标体系的构建

2．1 教学质量评估发展阶段

2．2 教学质量评估的作用

2．3 评估体系的构建原则

2．4 评估指标的确定

2．5 本章小结

第3章 基于数据挖掘的分类分析

3．1 数据挖掘的基本知识

3．1．1 数据挖掘的定义

3．1．2 数据挖掘的基本要素

3．1．3 数据挖掘步骤

3．2 数据预处理

3．2．1 数据筛选

3．2．2 数据清洗

3．2．3 数据归一化

3．3 数据分类

3．4 数据分类的主要方法

3．4．1 决策树分类算法

3．4．2 粗糙集分类算法

3．4．3 人工神经网络分类方法

3．4．4 遗传算法

3．4．5 支持向量机方法

3．5 本章小结

第4章 基于支持向量机的教学质量评估分类方法

4．1 支持向量机的基本问题

4．1．1 机器学习基本知识

4．1．2 经验风险最小化

4．1．3 统计学习理论

4．2 支持向量机构造

4．2．1 最优超平面

4．2．2 线性可分支持向量机

4．2．3 SVM的核函数

4．3 基于SVM的教学质量评估分类

4．3．1 基于支持向量机的多分类方法

4．3．2 “偏二叉树”的教学质量评估多分类

4．3．3 实现步骤

4．4 本章小结

第5章 基于SVM的教学质量评估系统设计与实现

5．1 系统架构

5．2 系统概要设计与实现

5．2．1 系统功能设计

5．2．2 数据库设计

5．2．3 系统子模块实现

5．3 基于支持向量机的训练和评估

5．3．1 样本训练

5．3．2 测试验证

5．4 本章小结

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

攻读硕士学位期间发表的学术论文目录