基于SVM多分类的教学质量评价研究

发布时间：2020-06-06 03:47

【摘要】： 随着我国高等教育扩招的逐年增加,如何保证教学质量是一个迫需研究的问题,伴随着教育部五年一次的教学评估,各个高校不断进行改革,以达到评估的要求,并提高自己的教学质量。伴随着评估活动,高校自己也应有自己的一套教学质量评价体系,以便对自己的教学进行预评估及在两次教学评估之间来保证教学质量。 支持向量机是一种新的机器学习算法,是在有限样本下统计学习理论的一种成功实现,它建立在统计学习理论的VC维理论和结构风险最小化原理基础上,根据有限样本在模型复杂性和学习能力之间寻求一种折中,以期达到最佳的推广性能。由于出色的学习性能,以及在小样本识别等许多方面有其独特的优势,现已应用在许多领域。 本文主要工作: 1、结合目前教学质量评价研究现状,利用SVM在小样本情况下数据处理的优势,结合教育部的评估体系提出了一个基于SVM的教学质量评价模型。 2、将SVM多分类应用在教学保障体系的WEB系统中,提高了系统对评价数据处理的客观性。 3、从Web系统中读取数据,并通过SVM Train进行训练,验证获得的训练结果是较好的,将训练好的参数和支持向量进行保存,并对新的数据进行评价。
【图文】：

图 2.1 线性可分条件下的最优分类线设超平面为 0iω x + b= 。ω 是超平面的法向量， b 为超超平面就是对给定的训练样本找到权值ω 和b 的最优值，使化，即:21min ( )2 x=ω. . ( ) 1, 1, 2 ,i is t y ω x + b ≥ i =l2.2.2 广义最优超平面最优分类超平面是在完全线性可分情形下提出的。然而不是线性可分的，因而给定的常数 C 和松弛因子求：l

4.1 样本数据的整理针对教学质量的评价模型，按照评价得分的不同共分为三个类别：I 为优秀级，II 为良好级，III 为较差级，通过支持向量机多分类进行评价。首先，在系统中根据专家的评价选择了 337 个样本数据，其中 287 个样本数据用来对支持向量机进行训练，50 个样本数据用来进行测试。样本数据是通过各种评价者针对系统中的指标体系中的 14 个评价因子对教师的教学质量进行评分，为便于衡量及符合一般人的评价方式，设定每个评价因子得分范围是[0，100]，首先根据所有得分，结合专家的意见及该教师平时表现，给该教师定义评价等级，共分为三个等级：较差、良好、优秀。并将最终评价结果转化为：-1表示较差，0 表示良好，，1 表示优秀，这样根据评价的指标打分就得到相应的 287组较为准确的样本数据。图 4.1 展示了从数据库中读出的多个老师的，根据专家评价和平时表现有评价结果的数据。
【学位授予单位】：山东师范大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：G642.4;TP18

【引证文献】

相关硕士学位论文 前2条

1 刘卓欣;基于核独立成分分析的边缘特征表示[D];华南理工大学;2011年

2 王雷;基于支持向量机的文本分类器设计与实现[D];东北财经大学;2011年

本文编号：2699115