本文關鍵詞：BT-SVM多分類算法在教學質(zhì)量評價中的應用，由筆耕文化傳播整理發(fā)布。

【摘要】：教師的教學質(zhì)量是教育教學的核心,如何提高學校的教學質(zhì)量是教育工作者永恒的話題。自教育部制定每五年進行一次教學評估以來,為了達到評估的要求,各高校根據(jù)本校的實際情況紛紛進行的改革。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質(zhì)量評價體系,以便對本校的教學質(zhì)量進行預評估。 支持向量機是目前應用最廣泛的機器學習算法之一,它能在樣本非常有限的情況下進行有效的統(tǒng)計學習�？紤]到支持向量機出色的學習性能,非常適用于教學質(zhì)量評價系統(tǒng),本文對傳統(tǒng)的支持向量機進行了優(yōu)化,提出了一種改進的二叉樹支持向量機多分類算法,并將該算法應用于教師教學質(zhì)量的評價中�？偨Y起來,本文的主要工作表現(xiàn)在以下幾方面： 1、學習現(xiàn)有支持向量機多分類算法的基本理論,比較這些算法的各項性能指標,重點分析它們的不足之處,然后尋找可行的優(yōu)化方法。 2、為了減少二叉樹結構造成的“錯誤累積”現(xiàn)象對評價結果的影響,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多分類算法進行優(yōu)化,提出一種新的支持向量機多分類方法。此外,算法選擇類別之間的“相對距離”作為衡量兩個類之間差異程度的標準,同時考慮了樣本的類中心和分布情況對分類的結果準確度的影響,相比之下更加科學可行。 3、分析目前國內(nèi)教學質(zhì)量評價的實際情況,將改進后的多分類算法應用到高校的評估體系中,提出了一個基于優(yōu)化算法的的教學評價模型,并通過實驗獲得了較好的結果。
【關鍵詞】：支持向量機 多分類 二叉樹 教學質(zhì)量 評價
【學位授予單位】：廣西大學
【學位級別】：碩士
【學位授予年份】：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 教學質(zhì)量評價的研究現(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15-16
• 1.5 論文的組織結構16-17
• 第二章 支持向量機多分類算法17-26
• 2.1 統(tǒng)計學習理論的相關知識17-19
• 2.1.1 經(jīng)驗風險最小化準則17-18
• 2.1.2 VC維18
• 2.1.3 結構風險最小化原理18-19
• 2.2 支持向量機理論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24-25
• 2.4 本章小結25-26
• 第三章 二叉樹支持向量機多分類算法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構30-32
• 3.3.3 不完全BT-SVM多分類器的存儲結構32-33
• 3.3.4 算法描述33-35
• 3.3.5 算法的復雜度35-36
• 3.4 仿真實驗36-41
• 3.4.0 實驗數(shù)據(jù)集36-38
• 3.4.1 實驗環(huán)境38
• 3.4.2 實驗結果分析38-41
• 3.5 本章小結41-42
• 第四章 基于改進BT-SVM算法的教學質(zhì)量評價模型42-54
• 4.1 構建教學質(zhì)量評價指標體系42-46
• 4.1.1 相關概念42-43
• 4.1.2 構建評價指標體系的方法43-44
• 4.1.3 構建評價指標體系的原則44-45
• 4.1.4 確定評價指標體系45-46
• 4.2 構造基本不完全BT-SVM教學質(zhì)量評價模型46-48
• 4.2.1 評價模型46-48
• 4.2.2 教學質(zhì)量評價系統(tǒng)的物理組成48
• 4.3 實驗流程48-51
• 4.3.1 數(shù)據(jù)預處理49-50
• 4.3.2 構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)集進行測試51
• 4.4 實驗結果及分析51-53
• 4.5 本章小結53-54
• 第五章 總結和展望54-56
• 5.1 論文總結54-55
• 5.2 工作展望55-56
• 參考文獻56-60
• 致謝60-61
• 攻讀碩士學位期間完成的學術論文61

【參考文獻】

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分類算法[J];電機與控制學報;2011年04期

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

3 鐘國忠;;高校學生評教的有效性問題及優(yōu)化策略[J];集美大學學報(教育科學版);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];計算機工程與應用;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拒識區(qū)域解決方案[J];計算機應用;2010年02期

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

7 劉煒;;教師綜合評價方法探討[J];南昌高專學報;2008年04期

8 聶盼盼;臧洌;劉雷雷;;基于對支持向量機的多類分類算法在入侵檢測中的應用[J];計算機應用;2013年02期

9 范柏超;王建宇;薄煜明;;結合特征選擇的二叉樹SVM多分類算法[J];計算機工程與設計;2010年12期

10 李燕玲;蘇一丹;;改進的二叉樹支持向量機在多分類中的應用[J];計算機技術與發(fā)展;2014年07期

  本文關鍵詞：BT-SVM多分類算法在教學質(zhì)量評價中的應用，由筆耕文化傳播整理發(fā)布。

，

本文編號：254908