本文關(guān)鍵詞：BT-SVM多分類算法在教學(xué)質(zhì)量評價(jià)中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：教師的教學(xué)質(zhì)量是教育教學(xué)的核心,如何提高學(xué)校的教學(xué)質(zhì)量是教育工作者永恒的話題。自教育部制定每五年進(jìn)行一次教學(xué)評估以來,為了達(dá)到評估的要求,各高校根據(jù)本校的實(shí)際情況紛紛進(jìn)行的改革。隨著評估活動的展開,許多高校都渴望擁有一套自己的教學(xué)質(zhì)量評價(jià)體系,以便對本校的教學(xué)質(zhì)量進(jìn)行預(yù)評估。 支持向量機(jī)是目前應(yīng)用最廣泛的機(jī)器學(xué)習(xí)算法之一,它能在樣本非常有限的情況下進(jìn)行有效的統(tǒng)計(jì)學(xué)習(xí)�？紤]到支持向量機(jī)出色的學(xué)習(xí)性能,非常適用于教學(xué)質(zhì)量評價(jià)系統(tǒng),本文對傳統(tǒng)的支持向量機(jī)進(jìn)行了優(yōu)化,提出了一種改進(jìn)的二叉樹支持向量機(jī)多分類算法,并將該算法應(yīng)用于教師教學(xué)質(zhì)量的評價(jià)中�？偨Y(jié)起來,本文的主要工作表現(xiàn)在以下幾方面： 1、學(xué)習(xí)現(xiàn)有支持向量機(jī)多分類算法的基本理論,比較這些算法的各項(xiàng)性能指標(biāo),重點(diǎn)分析它們的不足之處,然后尋找可行的優(yōu)化方法。 2、為了減少二叉樹結(jié)構(gòu)造成的“錯(cuò)誤累積”現(xiàn)象對評價(jià)結(jié)果的影響,本文遵循最容易分割的類首先分離的原則,對現(xiàn)有的二叉樹支持向量機(jī)多分類算法進(jìn)行優(yōu)化,提出一種新的支持向量機(jī)多分類方法。此外,算法選擇類別之間的“相對距離”作為衡量兩個(gè)類之間差異程度的標(biāo)準(zhǔn),同時(shí)考慮了樣本的類中心和分布情況對分類的結(jié)果準(zhǔn)確度的影響,相比之下更加科學(xué)可行。 3、分析目前國內(nèi)教學(xué)質(zhì)量評價(jià)的實(shí)際情況,將改進(jìn)后的多分類算法應(yīng)用到高校的評估體系中,提出了一個(gè)基于優(yōu)化算法的的教學(xué)評價(jià)模型,并通過實(shí)驗(yàn)獲得了較好的結(jié)果。
【關(guān)鍵詞】：支持向量機(jī) 多分類 二叉樹 教學(xué)質(zhì)量 評價(jià)
【學(xué)位授予單位】：廣西大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP18;G420
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 緒論11-17
• 1.1 選題背景和研究意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-15
• 1.2.1 教學(xué)質(zhì)量評價(jià)的研究現(xiàn)狀12-14
• 1.2.2 SVM多分類算法的研究現(xiàn)狀14-15
• 1.3 本文的主要工作15
• 1.4 本文的創(chuàng)新點(diǎn)15-16
• 1.5 論文的組織結(jié)構(gòu)16-17
• 第二章 支持向量機(jī)多分類算法17-26
• 2.1 統(tǒng)計(jì)學(xué)習(xí)理論的相關(guān)知識17-19
• 2.1.1 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化準(zhǔn)則17-18
• 2.1.2 VC維18
• 2.1.3 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理18-19
• 2.2 支持向量機(jī)理論19-21
• 2.2.1 最優(yōu)超平面19
• 2.2.2 核函數(shù)19-21
• 2.3 支持向量機(jī)多分類算法21-25
• 2.3.1 一對多方法21-22
• 2.3.2 一對一方法22-23
• 2.3.3 有向無環(huán)圖方法23-24
• 2.3.4 二叉樹支持向量機(jī)24-25
• 2.4 本章小結(jié)25-26
• 第三章 二叉樹支持向量機(jī)多分類算法26-42
• 3.1 BT-SVM多分類算法的基本原理26-27
• 3.2 BT-SVM多分類方法存在的問題27-29
• 3.3 本文改進(jìn)的BT-SVM多分類算法29-36
• 3.3.1 類間的相對距離29-30
• 3.3.2 基于相對距離的不完全二叉樹的結(jié)構(gòu)30-32
• 3.3.3 不完全BT-SVM多分類器的存儲結(jié)構(gòu)32-33
• 3.3.4 算法描述33-35
• 3.3.5 算法的復(fù)雜度35-36
• 3.4 仿真實(shí)驗(yàn)36-41
• 3.4.0 實(shí)驗(yàn)數(shù)據(jù)集36-38
• 3.4.1 實(shí)驗(yàn)環(huán)境38
• 3.4.2 實(shí)驗(yàn)結(jié)果分析38-41
• 3.5 本章小結(jié)41-42
• 第四章 基于改進(jìn)BT-SVM算法的教學(xué)質(zhì)量評價(jià)模型42-54
• 4.1 構(gòu)建教學(xué)質(zhì)量評價(jià)指標(biāo)體系42-46
• 4.1.1 相關(guān)概念42-43
• 4.1.2 構(gòu)建評價(jià)指標(biāo)體系的方法43-44
• 4.1.3 構(gòu)建評價(jià)指標(biāo)體系的原則44-45
• 4.1.4 確定評價(jià)指標(biāo)體系45-46
• 4.2 構(gòu)造基本不完全BT-SVM教學(xué)質(zhì)量評價(jià)模型46-48
• 4.2.1 評價(jià)模型46-48
• 4.2.2 教學(xué)質(zhì)量評價(jià)系統(tǒng)的物理組成48
• 4.3 實(shí)驗(yàn)流程48-51
• 4.3.1 數(shù)據(jù)預(yù)處理49-50
• 4.3.2 構(gòu)造基于相對距離的不完全BT-SVM分類器50-51
• 4.3.3 對測試數(shù)據(jù)集進(jìn)行測試51
• 4.4 實(shí)驗(yàn)結(jié)果及分析51-53
• 4.5 本章小結(jié)53-54
• 第五章 總結(jié)和展望54-56
• 5.1 論文總結(jié)54-55
• 5.2 工作展望55-56
• 參考文獻(xiàn)56-60
• 致謝60-61
• 攻讀碩士學(xué)位期間完成的學(xué)術(shù)論文61

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王艷;陳歡歡;沈毅;;有向無環(huán)圖的多類支持向量機(jī)分類算法[J];電機(jī)與控制學(xué)報(bào);2011年04期

2 劉矛;;高校學(xué)生評教中存在的問題及改進(jìn)建議[J];高職論叢;2011年01期

3 鐘國忠;;高校學(xué)生評教的有效性問題及優(yōu)化策略[J];集美大學(xué)學(xué)報(bào)(教育科學(xué)版);2012年01期

4 李瓊;董才林;陳增照;何秀玲;;一種新的核化SVM多層分類方法[J];計(jì)算機(jī)工程與應(yīng)用;2010年10期

5 李仁兵;李艾華;蔡艷平;李亮;王濤;;基于歐氏距離的支持向量機(jī)拒識區(qū)域解決方案[J];計(jì)算機(jī)應(yīng)用;2010年02期

6 顧瑤韻;;美國高校學(xué)生評教的實(shí)踐與理論研究述評[J];高教發(fā)展與評估;2008年06期

7 劉煒;;教師綜合評價(jià)方法探討[J];南昌高專學(xué)報(bào);2008年04期

8 聶盼盼;臧洌;劉雷雷;;基于對支持向量機(jī)的多類分類算法在入侵檢測中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2013年02期

9 范柏超;王建宇;薄煜明;;結(jié)合特征選擇的二叉樹SVM多分類算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2010年12期

10 李燕玲;蘇一丹;;改進(jìn)的二叉樹支持向量機(jī)在多分類中的應(yīng)用[J];計(jì)算機(jī)技術(shù)與發(fā)展;2014年07期

  本文關(guān)鍵詞：BT-SVM多分類算法在教學(xué)質(zhì)量評價(jià)中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

，

本文編號：254908