粗糙集理论在高职院校教学质量评估中的应用研究

发布时间：2021-08-26 23:38

　　粗糙集理论是波兰数学家Z.Pawlak于1982年提出的一种用于处理不确定性和含糊性知识的数学工具,其主要思想是：在保持信息系统分类能力不变的前提下,通过知识约简导出问题的分类或决策规则,它无需提供所需处理的数据集合之外的任何先验知识,利用数据集上的等价关系对知识的不确定程度进行度量,从而避免了对知识的主观评价带来的误差。近年来,粗糙集理论及应用取得了很大的成功,已成为软计算方法的重要分支,其涉及的领域包括模式识别、机器学习、知识发现、知识获取、决策分析等。粗糙集理论中的有效算法是粗糙集理论的一个研究热点,属性约简算法和规则提取算法是粗糙集理论及应用所研究的重要内容。随着全国高校教学质量评估工作的深入开展,如何通过外部评估,促进各高校建立一套适合本校校情,能保证教学质量和自我监控,可实现良性循环的教学质量保障体系,是当前亟待解决的课题。教学质量评估是保证教学质量的重要手段,教学评估是一个多因素、多变量、模糊的非线性过程。运用粗糙集理论,可以解决教学质量评估系统中,处理数据时面临的数据量大及数据不确定问题。本文首先介绍了粗糙集理论的基本内容,包括信息系统、等价类、不可分辨关系和上下近似集... 

【文章来源】：中国海洋大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

知识示意图

扣糙华理论在高职院校教学质量评估中的应用研究X的卜述子集可用图2一2形象地表示。集合X的边界(X是粗糙集)X的下近似、正域X的边界X的负域X的下近似、正域图2一2粗糙集概念表示由上图可得R一(X)二R一(X)UBNR(X)，其中，R一(X)是那些u中根据知识R可能属于X的元素组成的集合;R(x)是那些U中根据知识R一定属于x的元素组成的集合;哑GR(x)是那些U中根据知识R一定不属于x的元素组成的集合;BNR(x)是那些U中根据知识R既不能肯定属于X又不能肯定属于u一x的元素组成的集合。例2.3信息系统表2一2中，u={xl，xZ，x3，勒，xs，x6，x7

匕匕 图3一3教学质量评估流程图3.4基于粗糙集理论的教学质量评估及其算法3.4.1教学质量评估数据准备在教学质量评估系统中，首先根据教学质量评估系统的需求，对大量的评估数据进行选取，本文采用手工的方法进行评估数据选取，得到目标数据集，然后对其进行数据预处理，数据预处理主要包括两部分:数据完整性处理和数据离散化处理。数据完整性处理:原始数据集中可能有一些数据的“遗漏”，要使用这些不完整的数据进行质量评估，就要先填充这些空缺值。通常使用的完整性处理方法有:1.人工填写空缺值:用手工输入法填充空缺值。这种方法很费时，特别是数据量很大、缺少值很多的时候，这种方法不可行。2.去掉缺失属性值的元组:当某个元组含有缺失的属性值时，就移除这个元组。其缺点是:当遇到缺失属性值的元组较多时，数据表的数据就会大量减少，导致数据挖掘出的知识精度和准确性变低。所以，数据完整性处理中一般不采用这种方法。 3.combinatorialcomPletion算法:用有缺失值的属性中所有可能的取值来填充缺失的属性值，并选择最终属性约简结果中最好的一个作为填补的属性值。这种数据补齐方法以约简为目的


本文编号：3365187