基于粗糙集理论的高校教师教学质量评价系统研究

客观评价高校教师的教学质量,能够激发教师教学热情,提高教学质量。以某学院的教学质量评价数据为案例,利用粗糙集理论进行数据分析;通过对学生评教、教师自评、同行评教、督导评教、领导评教等原始数据的分析和处理,利用粗糙集属性约简和权重计算方法,剔除了考核数据中部分冗余的考核指标,并对余下的考核指标计算属性权重,最终形成对每一位教师教学质量的客观评价,收到了良好的效果。     

基于学情聚类分析的高职学生评教研究

针对高职学生评教中容易出现的一些问题,对高职学生的学习情况进行分析与研究．并通过聚类分析算法,根据学生的学习情况将学生评教样本分成不同的等级。再对不同等级评教样本的评教结果分别进行分析处理。通过该方法可以更客观地将不同层次学生的评教意见反馈给任课教师,学校也可以通过综合分析不同层次学生的评教结果来减小评教误差．避免由此可能会导致的师生关系异化。     

大数据下的数据挖掘算法在多维度评教模型中的应用

学生评价体系是保证教育质量的重要手段,能够促进教育改革,提高教育质量,对教育发展具有重要的影响。分析学生成绩对评教结果的影响,以及对评教结果进行研究和评价,能够为教师和教育管理部门提供指导,进一步提高教育管理水平和质量。教育评价研究是教育领域的三大研究方向之一,评教对于提高教学质量具有重要的参考意义,为促进教学改革提供了重要依据。基于此,探讨了基于大数据的数据挖掘算法在多维度评教模型中的应用。     

基于PCA的评教指标体系构建研究

高校学生评教数据是反映教师教学质量的一项重要指标,基于此本文使用真实的评教样本,采用PCA(主成分分析方法)对学生评教指标进行量化分析,抽取了学生评教的主要因子,把师德教风、教学目标、教学内容、教学效果和教学手段五方面作为学生评教的主要指标体系,以期对学生评教工作的合理化提供有效的理论支撑。     

基于网络的教学评教系统的构建

学生评教、教师评学是教学质量监控体系的重要组成部分之一,基于网络的教学评教系统将现代化信息技术与教学评价手段结合起来,是强化教学质量监控和保障机制的重要措施,对提高高职教育的教学质量具有重要意义。     

基于决策分类的决策表分解方法研究*

针对当前基于属性重要性的决策表属性集分解方法存在的不足,提出了一种新型的基于决策分类的决策表属性集分解方法。分析了近似分类质量和属性重要性与决策分类之间的关系,利用粗糙集理论,从提高子决策表中决策分类正确性的角度出发考虑条件属性与决策属性之间的关系,提出了决策表分解的条件属性选择量度并对决策表实施属性集分解。     

基于分形维数的非常规决策表的属性约简

属性约简是粗糙集的一个核心研究课题,但经典属性约简及其延伸算法是基于有决策属性的决策表的属性约简算法,它们对无决策属性的非常规决策表的属性约简无能为力。以粗糙集理论为基础,对无决策属性的非常规决策表从分形维数方面进行研究,提出了一种适用于无决策属性的决策表的启发式属性约简算法。该算法在一定程度上能够解决非常规决策表的属性约简问题,进一步扩展了粗糙集理论的应用范围。实例表明该算法是有效可行的。     

基于粗糙集的图像增强智能决策方法

为了使图像能根据图像特征自适应选取增强算法,给出一种基于粗糙集的图像增强智能决策方法.该方法首先建立图像增强算法库,并用现行的算法提取图像的数值特征作为条件属性,按照图像评价指标结合专家经验选取处理效果最优的算法作为决策属性,从而构成信息决策表.最后应用粗糙集来对决策信息表进行离散化和属性约简,以生成图像增强算法选取的决策规则.试验表明,该决策方法能比较有效地根据系统所处理图像的特征选取出算法库中最优的增强算法.     

基于竞争型网络的连续属性离散化方法

连续属性的离散化是粗糙集理论的主要问题之一.针对粗糙集理论只能处理离散数据的局限性,提出基于属性决策表和竞争型网络的连续属性离散化方法.首先使用条件属性与决策属性之间的决策关系来度量条件属性的重要性,并据此对条件属性按照重要性由小到大排序,然后利用竞争型网络分类功能找到连续属性的断点,从而实现了对连续属性的离散化.算法分析和实验证明算法是切实可行的.     

基于高校网上评教系统的设计研究

近几年,各大高校不断扩大招生规模,在校生人数大幅增加,教学质量还能否保障已成为学校、家长和社会共同关心的焦点问题。评判教学质量是否达标的方法有多种,其中网上评教已经成为我国很多高等院校评价教师教学质量的一种重要手段。良好的教学质量评教标准对教学质量的提高有积极的作用,如导向、促进、激励以及调控功能。该文根据评价教学质量的需求和该校的实际情况,从系统建设和数据库建设一步步建立基于网上评教系统。系统主要有四个模块:学生评教模块、数据分析挖掘模块、结果数据浏览模块和系统管理模块。     

大数据驱动下的学生评教系统优化设计与实现

为解决传统评教方式存在的局限性，本研究提出一种基于大数据技术的学生评教系统。利用应用服务器全权代理用户对学生评教系统的后台数据进行访问，切断学生评教系统数据库服务器与客户端间的直接接触，以此保证数据库内部用户信息的安全。为确保学生评教系统内部数据的准确性及唯一性，利用完整性约束实现用户对相应课程的评价，有效避免数据库内部出现重复数据过多的现象。通过对学生评教系统进行功能测试可知，学生评教系统具有较好的稳定性及高效性，可有效填补高校在学生在线评教方面存在的短板。     

基于事例推理的空域管理辅助系统研究

空域管理辅助系统研究基于CBR的空域管理辅助系统,可以为航空管制人员提供辅助存在飞行冲突航空器的决策信息.系统研究利用粗糙集的关于属性依赖度来确定某个属性的重要性,针对空域管理辅助系统构建一个通用的决策表,决策表中的内容是特定ASMAS信息下的一些历史事例,使得与事例匹配在客观上保持事例的一致性.系统对事例库中数据的质...     

关联规则在高校评教系统中的应用研究

数据挖掘技术在商业、金融等方面应用广泛,但在高校教评教系统中应用的比较少。在高校中,每年都产生大量和教学相关的数据,这些数据真实的反映了高校教师的教学情况,但并没有充分利用这些数据来挖掘出有用的信息来评教。通过对数据挖掘技术的研究,采用改进的关联规则Apriori算法,利用面向对象的程序设计语言开发应用软件,对收集的评教相关数据进行分析,找出学生评教结果和教师自身素质之间的联系,更好的为高校评教工作提供依据。     

粗糙集在融合图像质量评价中的应用

提出了一种基于粗糙集理论的融合图像质量评价方法。采用粗糙集属性约简方法把冗余的属性和冲突的对象从决策表中删去,从而对决策信息系统进行了相对简化,使模型具有一定的抗信息丢失能力。该方法运用到融合图像质量评价中去,实验结果表明其有效性。     

基于属性纯度的决策树归纳算法

基于粗糙集的决策树算法由于粒化冲突与噪声影响容易导致特征选择的失效。提出属性纯度并结合属性依赖度来构建决策树归纳算法。采用统计集成策略来建立属性纯度,表示决策分类关于条件分类的识别性,并用于相应的属性特征选择;分析属性纯度与属性依赖度的同质性和异态性,采用先属性依赖度后属性纯度选择节点的方法,改进基于粗糙集的决策树算法。决策表例分析与数据实验对比均表明所提算法的有效性与改进性。     

基于粗糙集的学生成绩决策分析

基于粗糙集的知识理论可以从现有原始数据出发给出知识的简化.利用粗糙集理论以及其算法,在MATLAB环境下对学生自主学习成绩决策表进行了求解,分析了该决策表的上近似集、下近似集、不可分辨关系、约简、核集、属性依赖度的概念,从而在原始数据的基础上得出了条件属性与决策属性间的关系.     

基于数据库的层次分析法在教评教中的应用

本文阐述了应用层次分析法评估教师综合业务的科学性和客观性，以教评教作为案例，模拟了整个评测过程。以此提出了应用数据库管理评测数据、计算机软件实现评估计算的方法，该软件能够实现其它相似的多目标决策评估计算。     

粗糙集理论和信息熵的AHP改进方法

将粗糙集理论引入到AHP(analytic hierarchy process)方法中,提出一种基于粗糙集理论和信息熵的AHP判断矩阵构造方法。考虑到AHP方法主要是通过专家判断矩阵来获取属性权重,其决策结果具有一定的主观性和偏好性这一现象,利用粗糙集理论和信息熵方法来构造一种基于数据驱动的客观属性集成权重,并利用客观集成权重来修正已有AHP方法的主观判断矩阵,进而提出一种同时兼顾主观性和客观性的AHP权重获取方法。最后,利用大众点评美食推荐实际问题和数据,验证了所提出方法的有效性和可行性。     

两种新的决策表属性约简概念

经典粗糙集理论属性约简的两种定义在对不相容决策表约简时会出现不一致性，本文通过分析这种不一致性，提出了平均决策强度和决策熵的概念，并由此给出了两种新的属性约简定义．通过理论分析和实例验证，用这两种新的属性约简定义对不相容决策表约简的结果是一致的，并且该约简结果更能客观地反映决策表的“决策能力”的实质．     

基于粗糙集理论的客户关系管理

粗糙集理论是一种新型的数据挖掘和决策分析方法,利用粗糙集理论进行决策表的知识约简与决策规则挖掘已经成为研究热点。本文介绍了粗糙集的基本理论,通过决策属性支持度定义的条件属性对决策属性重要性的启发式信息,求取决策表的最小约简。并将该方法用于对企业客户进行分类,为客户关系管理的决策支持提供了新的解决方法。