《基于模糊聚类算法的教学质量评价体系研究毕业论文》由会员分享，可在线阅读，更多相关《基于模糊聚类算法的教学质量评价体系研究毕业论文（40页珍藏版）》请在金锄头文库上搜索。
1、. . .基于模糊聚类算法的教学质量评价体系研究毕业论文目 录摘 要IAbstractII目 录III第1章 绪论11.1研究背景及意义11.2国外研究现状21.3本文的研究思路41.4 本章小结：5第2章 聚类与模糊聚类62.1聚类分析的基本概念62.1.1聚类的定义72.1.2相异度的度量72.1.3聚类特征的描述92.2聚类算法92.2.1聚类算法概述92.2.2系统聚类法102.2.3 k-平均算法132.3模糊理论与模糊聚类142.3.1模糊集合理论142.3.2模糊集合的表示152.3.3模糊聚类152.4 FCM算法162.4.1 FCM算法简介162.4.2算法过程描述172.
2、4.3 FCM算法的优势182.5 本章小结：18第3章 教学质量评价体系193.1模糊综合评判法193.1.1二级模糊综合评判法的数学模型193.1.2使用模糊综合评判法的评价模型203.1.3计算因素和二级得分以改进模型213.1.4模型实现示例223.2基于聚类的教学质量评价模型233.2.1使用聚类算法改进模糊综合评判法233.2.2模型构建243.2.3模型实现示例253.3教学质量评价模型的改进思路253.4本章小结：26第4章 模糊聚类算法实现274.1什么是java语言：274.1.1起源：274.1.2组成：274.1.3体系：284.1.4优势284.2运行环境及配置：28
3、4.3代码编写：294.4 本章小结32结论及建议34致 谢36参考文献37.参考资料.第1章 绪论1.1研究背景及意义首先我们来了解什么是教学质量。教学是由教师、学生、教材、教学手段等多个要素及其相关关系构成的一个整体，教学质量评价除了包括对教学设施，教学工具等硬件的评价外，还包括对教师的教学能力、教学方法等的评价以及对学生的学习态度、学习效果的评价等。其中对教师的教学能力、教学方法的评价一般采用对教学效果的检测和实时测评两种方式来进行，具体到高校教师，由于高校学生已经具有了一定的判别能力，所以在实际应用中一般采用测评的方式来进行，测评方法一般采用学生测评、同行测评与专家测评相结合。作为对教
4、师工作成果进行测评的一个重要组成部分，对教师教学质量的评价是一个极为复杂的系统工程。一些发达国家，特别是一些名牌大学都把教学质量的监控、评价工作放在教学管理工作的重要位置，他们都建立了各自的具有特色的且在不断完善的教学质量评价系统。要更全面、更系统的分析目前我国在教学质量评价体系领域的研究与应用情况，应该从评价手段和评价方法两方面来着手。从评价手段方面看，目前许多学校仍然采用传统的手工打分和手工计分的方式来进行教师测评;从评价方法方面看，大多数学校目前只使用了一些最基本的统计方法，如加权平均法。随着技术的进步和改革开放的深入，使用计算机技术和数学模型，实现高校教学质量评价的科学化与信息化己经成
5、为一种共识。对于国一些高等学目前己经建立的教学质量评价系统而言，在评价手段上一般采用手工打分与计算机处理数据相结合的模式；在评价原理上开始使用较复杂的数学模型，比如己经比较成熟的多级模糊综合评判法。但这些教学质量评价系统都还普遍的存在着一些待解难题和局限。 概括而言，现有系统的问题主要体现在互动性、动态性和实用性不足三个方面。 缺乏互动性。现有的教学质量评估系统大都相对封闭，信息单向流动，缺乏信息互动。具体体现在两个方面，一是信息只能从学生流向教学管理人员，不能从教学管理人员流向学生，学生在打分后就完成了使命；另一方面是在大多数的系统中教师都成了纯粹的被考量的客体，而不是系统的主体之一，被排除
6、在整个评估过程之外，处于完全被动的地位。而实际上，建立教学质量评估系统的最终目的并不是把教师分出三六九等，而是借助这一方法来促进教师来提高教学质量。 缺乏动态性。现有的教学质量评估系统一般进行的是静态评估，很难反映动态的评价信息，只能进行事后控制，不便于进行事前和事中的控制。学生只能在课程结束或者学期结束后填写评分表格，然后算出这个学期某教师某门课程的评价结果作为教学管理的参考数据。其不足体现在学生的评价结果不能及时反馈给教师，从而教师就不能根据反馈的情况及时调整教学方法、改变教学手段和提高教学能力，然后学生再给教师新的评价，形成一个良性循环。 缺乏实用性。模糊综合评判法在计算模型上己经较为成
7、熟，在算法实现上也己经有了一些成功实例。但在实用方面还是存在着一些明显的局限。联系实际分析，主要有信息失真和信息丢失两个方面。一方面由于模糊综合评判法中的权重，评语等级向量等算子是人为确定的，主观性很强，这样就增加了某些信息在计算过程中失真的可能。另一方面模糊综合评判法虽然生成了一个非常有用的综合评分，但在合成运算的过程中丢失了许多有用信息。综合评判的结果是一个数字化的评估分值，虽然具有评判结果客观，可比性强等特点，便于排序和分类，可以作为量化指标;但也使得许多有用的信息在计算过程中被忽略，而这些信息对教师改进教学，管理人员提高管理水平都非常有用。本文正是基于上述思路从模糊聚类分析的研究入手，
8、提出了一个使用聚类算法改进模糊综合评判法的评价模型，并通过代码来实现这一评定算法。1.2国外研究现状 对教师教学质量评价系统的研究，一般是从评价手段和评价方法两个方面来进行的。就评价手段而言，随着技术的发展和进步，使用基于WEB的教师教学质量评价系统来取代传统的手工打分、记分和结果分析己经成为共识。 目前国对教学质量评价系统的研究仍方兴未艾，惠萍、志泊在“基于UML和Rational Rose的教学质量评价系统的设计”一文中使用UML来进行教学质量评价系统的设计，体现了对教学质量评价系统的设计工具进行改进的方向。毅、盛海英在“基于KDD的教学质量评价系统研究”一文中将KDD理论与方法引入教学质
9、量评价系统中，以构造基于知识发现的教学质量评价系统为目的，从数据分析的角度，对影响教学质量的主体、过程等因素及相互关系进行了研究，提出了适合教学质量评测及控制的数据指标及规则发现方法。以上文为代表的一些研究虽然体现了在教学评价系统中引入数据挖掘模型的一般思路，但在理论研究方面还只停留在概念引入阶段，一般侧重于定性论述数据挖掘对改进教学质量评价系统的意义，在应用研究方面还只停留在使用最简单的数据挖掘算法来验证评价效果的阶段。 与数据挖掘在教学评价系统中的应用研究非常缺乏相比，目前国外对于数据挖掘的研究正处在一个黄金时期。数据挖掘(Data Mining)，又称为数据库中的知识发现(简称KDD)，
10、是从大量数据中提取可信的、新颖的、有效的并能被人们理解的模式的处理过程。数据挖掘是一门新兴的技术，它以数据库技术作为基础，把逻辑学、统计学、机器学习、模糊学、可视化计算等多门学科的成果综合在一起，进行如何从数据库中得到有用信息的研究。数据挖掘技术得到了人们的普遍关注，广泛应用于银行金融、保险、公共设施、政府、教育、远程通讯、软件开发、运输等各个企事业单位及国防科研上。KDD(Knowledge Discovery in Databases)一词首次出现在1989年8月举行的第11届国际联合人工智能学术会议上。迄今为止，由美国人工智能协会主办的KDD国际研讨会己经召开了7次，规模由原来的专题讨论
11、会发展到国际学术大会，人数由二三十人扩大到七八百人，研究重点也逐渐从发现方法转向系统应用，并且注重多种发现策略和技术的集成，以及多种学科之间的相互渗透。其他相关专题会议也把数据挖掘和知识发现列为议题之一，数据库、人工智能、信息处理、知识工程等领域的国际学术刊物也纷纷开辟了KDD专题或专刊。总之数据挖掘己成为当前计算机科学界的一大研究热点，国外数据挖掘的研究和应用得到迅速发展。在研究方面，对知识发现方法的研究取得新的进展，如近年来注重对Bayes(贝叶斯)方法以及Boosting方法的研究和提高。在应用方面，KDD商业软件工具不断产生和完善，注重建立解决问题的整体系统，而不是孤立的过程。与国外相
12、比，国对数据挖掘的研究稍晚，没有形成整体研究力量，从事数据挖掘研究的人员主要集中在大学，也有部分在研究所或公司。所涉及的研究领域很多，一般集中于学习算法的研究、数据挖掘的实际应用以及有关数据挖掘理论方面的研究。许多科研单位和高等院校竞相开展知识发现的基础理论及其应用研究，如清华大学、中科院计算技术研究所等。 聚类分析是数据挖掘中的一个重要研究领域。所谓聚类，就是把没有类别标记的样本集按某种准则划分成若干类，使类样本的相似性尽可能大，而类间样本的相似性尽可能小，是一种无监督的学习方法。聚类分析通常是在没有先验知识支持的前提下进行的，它所要解决的就是在这种前提下，实现满足要求的类的聚合。聚类分析的
13、研究主要集中在聚类算法上，产生性能良好且实用的聚类算法是其终极目的聚类分析作为数据挖掘的主要研究课题之一，人们己提出了许多经典的算法，主要有基于划分的方法、层次方法、基于密度的方法、基于网格的方法和基于模型的方法等五大类，在此基础上，又提出了许多改进算法，但这些算法一般仅适用于特定的问题及用户，而且它们在理论和方法上仍不完善，甚至还有严重的不足之处。对聚类算法的进一步优化研究将不仅有助于算法理论的完善，更有助于算法的推广和应用。近年来，在对经典聚类算法的研究上取得了一定的进步。在应用方面，聚类分析己经广泛地应用在许多领域，包括模式识别、数据分析、图像处理以及市场研究等等。通过聚类，人们能够识别
14、密集的和稀疏的区域，从而发现全局的分布模式，以及数据属性之间的有趣的相互关系。 与总体数据挖掘的研究同步，目前国对于聚类分析的研究也正处于一个方兴未艾的阶段，但现有研究涉及的领域主要集中在聚类算法的改进方面，而对于聚类算法的实际应用方面，虽然都认为聚类分析前景广阔，可用于各种领域，但针对工业、经济等领域的较多，而应用于教育领域的较少，如治国，春元在“基于聚类分析的学生等级制成绩评定方法”中尝试将聚类分析应用于教育领域。而将聚类分析用于教师教学评价系统的研究方面，目前国还未有公开发表的成果。如前所述，对于教学质量评价系统的研究目前正处于一个新的研究热潮的起始期，那就是使用新的面向对象技术和引入基
15、于KDD的评价方法，而对于聚类分析算法改进和应用的研究正处于一个口趋于稳定的成熟期。因此，将聚类分析应用于教学评价系统，是一个大胆创新却不失科学性的尝试。寻找或改进适合教学评价的聚类方法，并将之应用于教学评价系统构建的实践中，形成的新系统将基于KDD的思想，充分利用教学评价系统的数据源，获取更多更好更有用的信息供教师改进教学，帮助教学管理人员提高管理效率。1.3本文的研究思路本文将对教学质量评价体系进行重新的整理，打破以往的依靠学生平均成绩来评定教师教学质量的低成效方式，本次将用模糊聚类依靠多个角度来评定教学质量。本文将首先介绍模糊聚类算法的概念，在工作生活中的意义，以及包含的公式，如质心，明可夫斯基(Minkowski)距离，半径，二级模糊综合评判法，FCM公式等等，接下来就是分析模糊聚类算法评定教学质量与以往的平均成绩评判法的差别及优缺点，然后便是主要的设计与实现过程。此外，本文还会在必要的地方进行图解，以便读者进行更加清晰的阅读和明确思路。本文结合高校教学现代化的需要，在广泛参考国外有关教学质量评价方法和评价系统设计与开发的研究成果基础上，提出了使用聚类算法改进教学评价模型的设想，研究开发了高校教师教学质量评价系统的核心算法。进行的主要工作如下:对聚类分析与模糊理论的介绍对聚类算法与模糊
