BT-SVM多分类算法在教学质量评价中的应用

发布时间：2017-03-18 19:09

  本文关键词：BT-SVM多分类算法在教学质量评价中的应用，由笔耕文化传播整理发布。

【摘要】：教师的教学质量是教育教学的核心,如何提高学校的教学质量是教育工作者永恒的话题。自教育部制定每五年进行一次教学评估以来,为了达到评估的要求,各高校根据本校的实际情况纷纷进行的改革。随着评估活动的展开,许多高校都渴望拥有一套自己的教学质量评价体系,以便对本校的教学质量进行预评估。 支持向量机是目前应用最广泛的机器学习算法之一,它能在样本非常有限的情况下进行有效的统计学习。考虑到支持向量机出色的学习性能,非常适用于教学质量评价系统,本文对传统的支持向量机进行了优化,提出了一种改进的二叉树支持向量机多分类算法,并将该算法应用于教师教学质量的评价中。总结起来,本文的主要工作表现在以下几方面： 1、学习现有支持向量机多分类算法的基本理论,比较这些算法的各项性能指标,重点分析它们的不足之处,然后寻找可行的优化方法。 2、为了减少二叉树结构造成的“错误累积”现象对评价结果的影响,本文遵循最容易分割的类首先分离的原则,对现有的二叉树支持向量机多分类算法进行优化,提出一种新的支持向量机多分类方法。此外,算法选择类别之间的“相对距离”作为衡量两个类之间差异程度的标准,同时考虑了样本的类中心和分布情况对分类的结果准确度的影响,相比之下更加科学可行。 3、分析目前国内教学质量评价的实际情况,将改进后的多分类算法应用到高校的评估体系中,提出了一个基于优化算法的的教学评价模型,并通过实验获得了较好的结果。
【关键词】：支持向量机 多分类 二叉树 教学质量 评价
【学位授予单位】：广西大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP18;G420
【目录】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 绪论11-17
• 1.1 选题背景和研究意义11-12
• 1.2 国内外研究现状12-15
• 1.2.1 教学质量评价的研究现状12-14
• 1.2.2 SVM多分类算法的研究现状14-15
• 1.3 本文的主要工作15
• 1.4 本文的创新点15-16
• 1.5 论文的组织结构16-17
• 第二章 支持向量机多分类算法17-26
• 2.1 统计学习理论的相关知识17-19
• 2.1.1 经验风险最小化准则17-18
• 2.1.2 VC维18
• 2.1.3 结构风险最小化原理18-19
• 2.2 支持向量机理论19-21
• 2.2.1 最优超平面19
• 2.2.2 核函数19-21
• 2.3 支持向量机多分类算法21-25
• 2.3.1 一对多方法21-22
• 2.3.2 一对一方法22-23
• 2.3.3 有向无环图方法23-24
• 2.3.4 二叉树支持向量机24-25
• 2.4 本章小结25-26
• 第三章 二叉树支持向量机多分类算法26-42
• 3.1 BT-SVM多分类算法的基本原理26-27
• 3.2 BT-SVM多分类方法存在的问题27-29
• 3.3 本文改进的BT-SVM多分类算法29-36
• 3.3.1 类间的相对距离29-30
• 3.3.2 基于相对距离的不完全二叉树的结构30-32
• 3.3.3 不完全BT-SVM多分类器的存储结构32-33
• 3.3.4 算法描述33-35
• 3.3.5 算法的复杂度35-36
• 3.4 仿真实验36-41
• 3.4.0 实验数据集36-38
• 3.4.1 实验环境38
• 3.4.2 实验结果分析38-41
• 3.5 本章小结41-42
• 第四章 基于改进BT-SVM算法的教学质量评价模型42-54
• 4.1 构建教学质量评价指标体系42-46
• 4.1.1 相关概念42-43
• 4.1.2 构建评价指标体系的方法43-44
• 4.1.3 构建评价指标体系的原则44-45
• 4.1.4 确定评价指标体系45-46
• 4.2 构造基本不完全BT-SVM教学质量评价模型46-48
• 4.2.1 评价模型46-48
• 4.2.2 教学质量评价系统的物理组成48
• 4.3 实验流程48-51
• 4.3.1 数据预处理49-50
• 4.3.2 构造基于相对距离的不完全BT-SVM分类器50-51
• 4.3.3 对测试数据集进行测试51
• 4.4 实验结果及分析51-53
• 4.5 本章小结53-54
• 第五章 总结和展望54-56
• 5.1 论文总结54-55
• 5.2 工作展望55-56
• 参考文献56-60
• 致谢60-61
• 攻读硕士学位期间完成的学术论文61

【参考文献】

中国期刊全文数据库 前10条

1 王艳;陈欢欢;沈毅;;有向无环图的多类支持向量机分类算法[J];电机与控制学报;2011年04期

2 刘矛;;高校学生评教中存在的问题及改进建议[J];高职论丛;2011年01期

3 钟国忠;;高校学生评教的有效性问题及优化策略[J];集美大学学报(教育科学版);2012年01期

4 李琼;董才林;陈增照;何秀玲;;一种新的核化SVM多层分类方法[J];计算机工程与应用;2010年10期

5 李仁兵;李艾华;蔡艳平;李亮;王涛;;基于欧氏距离的支持向量机拒识区域解决方案[J];计算机应用;2010年02期

6 顾瑶韵;;美国高校学生评教的实践与理论研究述评[J];高教发展与评估;2008年06期

7 刘炜;;教师综合评价方法探讨[J];南昌高专学报;2008年04期

8 聂盼盼;臧洌;刘雷雷;;基于对支持向量机的多类分类算法在入侵检测中的应用[J];计算机应用;2013年02期

9 范柏超;王建宇;薄煜明;;结合特征选择的二叉树SVM多分类算法[J];计算机工程与设计;2010年12期

10 李燕玲;苏一丹;;改进的二叉树支持向量机在多分类中的应用[J];计算机技术与发展;2014年07期

  本文关键词：BT-SVM多分类算法在教学质量评价中的应用，由笔耕文化传播整理发布。

，

本文编号：254908