基于粒度计算的教学质量评价

连续多年的扩招,高校在校生的规模急剧扩大,高校的教学质量成了全社会关注的焦点.如何科学、合理地确定评价指标,对教师的教学质量进行客观公正地评价,是当前的重要课题.利用粗糙集的属性约简和决策规则生成方法,分析学生对教师课堂教学的测评数据,得到了影响教学质量的关键因素和评价教学质量的最小规则.所得结果对教师改进教学方法,提高教学水平和教学质量,简化教学测评具有一定的指导意义.     

数据挖掘技术在高职院教学评价中的应用研究

在高职院校教学管理中,教学质量评价是核心内容,正确的评价能有效地促进教学质量的提高。传统的教学质量评价还停留在简单的统计、备份和查询阶段,并没有对这些数据进行深入的分析,影响理解教学质量的深层次的原因。对教学评价的数据进行分析,并对教学评价本身的方法进行研究,对教学质量有着重要的意义。该文探讨了数据挖掘相关技术与粗糙集的基本理论,同时介绍了数据挖掘的常用工具,得出数据挖掘技术适合用于教学评价研究的结论。     

基于粗糙集的教学质量评价

教学质量评价是高校教学建设中的一个重要指标,如何快速的评价每个教师的教学质量,并找出其存在的教学问题,以便及时反馈给教师。本文通过使用粗糙集理论对教学质量评价表进行分析,找出影响教学质量的重要属性,有助于提高教师的教学质量。     

基于AHP的高职院校教学质量评价指标的分析与研究

教学质量评价是教学质量管理的重要手段,构建科学的、系统的、行之有效的教学质量评价体系和运行机制,对加强和提高教学质量具有重要意义。而教学质量评价指标的设定是教学评价中最基本和最重要的一个环节,本文利用AHP（层次分析法）对现行指标进行分析和改进,最终设定出一个比较公正、合理的教学评价指标,为教学质量评价体系提供了一个评教标准,并为教师提高教学质量水平提供了一定的依据。     

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。     

ID3算法分析及在高校教学中的应用

ID3算法是进行数据分类分析的经典决策树数据挖掘算法,应用广泛。文中阐述了ID3算法基本原理以及近年来许多学者对该算法的一些改进。最后将该算法运用到高校教师教学质量评价体系中,通过建立有关教师教学质量属性的决策树模型,实现依据教学质量对教师进行分类,通过肯定或否定形成激励作用,从而促进教师教学质量的提高与教育教学的发展。     

基于大数据挖掘的混合式教学模式质量评价方法

数据维度的增长会加大数据处理难度，导致教学质量评价耗时较长，为此提出了一种基于大数据挖掘的混合式教学模式质量评价方法。该方法采用关联规则挖掘教学数据，然后采用粗糙集对挖掘结果进行属性约简，以提升教学评价效率。基于数据处理结果，建立面向教学评价的模糊综合评价模型，获取教学质量评价结果。实验结果表明，设计方法的评价结果更加精准，评价误差始终保持在2.5%以下，且效率较高，最短评价耗时仅为10.3 s，明显优于现有方法，具备实际应用价值。     

决策属性未知下的学生评教粗糙集分析

为实现更为客观合理的学生评教,基于粗糙集方法进行智能化分析。粗糙集方法必然涉及到分析含有决策属性的决策表,而实际学生评教中由于缺乏客观的尺度评定教师的教学质量,造成相应决策属性的未知性。借鉴督导专家评价的优势,基于Kruskal最大树模糊聚类方法对专家评价数据予以划分来获取决策属性,与学生评教数据集组合,构造完整的决策表。基于粗糙集方法从信息熵的角度来客观求取各评教指标的权重值,完成对待评教教师的决策评价分析。实例分析及对比实验证明了方法的有效性和优越性。     

基于相容粗糙集的改进的基因特征选择方法

在基因表达数据中,有效的基因选择方法是癌症基因数据研究的重要内容。粗糙集是一个去掉冗余特征的有效工具。由于基因表达数据的连续性,为了避免运用粗糙集方法所必须的离散化过程带来的信息丢失,将相容粗糙集应用于基因的特征选择,提出基于相容粗糙集的基因特征选择方法,并在此方法基础上进一步对粗糙集的边界域进行研究,提出了基于相容粗糙集的改进的基因特征选择方法。在两个标准的基因表达数据上进行实验,结果表明与传统的基因特征选择方法相比,所提方法能够有效提高分类精度。     

基于粗糙集理论对影响高校学生成绩因素的分析

运用粗糙集理论对采集到的大量课程成绩进行分析,对数据进行属性约简,辨别出数据之间的依赖程度,从而得到影响学习效果的关键因素.此研究有利于在教学过程中改进教学方法,提高教学效果.     

基于差异关系的变精度粗糙集知识约简算法研究

有效的知识约简算法是粗糙集理论的重要研究内容.粗糙集是一个去掉冗余特征的有效工具.经典的粗糙集方法要求数值用离散数据表达,对于连续值则在处理前必须进行离散化处理.真实数据往往存在连续值,为了避免运用粗糙集方法所必需的离散化过程带来的信息丢失,将差异关系应用于粗糙集的知识约简.为进一步增强差异关系粗糙集对噪声数据的适应能力,提出基于差异关系的变精度粗糙集知识约简算法,并分析差异关系下变精度粗糙集模型参数的特性,给出依赖度和参数范围关系描述,将参数取值从点扩展到区间范围.在UCI数据库的数据集上进行实验,结果证明了所提方法及相关理论的有效性.     

基于多粒度决策粗糙集的云计算产品分类方法

粗糙集理论中一个重要的研究课题是残缺区间决策系统。针对现有决策系统存在分类精度和质量较低的问题,结合可能性相似度容差关系的优良特性,并运用粗糙集理论,设计出一种新的多粒度决策模型。基于属性的视角,重新定义容差关系,并基于此方法,借鉴多粒度决策粗糙集具有一定容错能力和能够多层次处理数据的优势,结合粗糙集的优良特征,提出一种新的多粒度决策模型,然后着重讨论了多粒度决策粗糙集模型的基本性质和度量参数。最后通过云计算产品分类实例,验证了改进的多粒度决策粗糙集模型可有效提高对象的分类精度和分类质量。     

概念格与粗糙集的关系研究

概念格理论和粗糙集理论是两种不同的知识表示与知识发现的工具，都已被成功应用于许多领域.粗糙集理论的数据表现方式是信息系统，其研究基础是对象之间的等价关系;概念格理论的数据表现方式是形式背景，其研究基础是一种有序的层次结构--概念格.本文讨论了概念格理论与粗糙集理论之间的基本联系;重点分析了形式概念与等价类之间、概念格与分划之间的关系;证明了概念格与分划之间可以相互转换，给出了转换算法，并用例子加以说明.     

基于粗糙集的桥梁损伤状态等级评估

介绍了一种用于桥梁损伤状态评估的有效算法。利用粗糙集在处理不完备信息方面的优势来抽取桥梁构件状态与桥梁安全状态之间的规则。其优点是在对象信息不足或存在冗余时仍然有效而且不需任何先验信息。文章的最后利用两个新样本验证了该算法的有效性。     

基于粗糙集的桥梁损伤状态等级评估

介绍了一种用于桥梁损伤状态评估的有效算法。利用粗糙集在处理不完备信息方面的优势来抽取桥梁构件状态与桥梁安全状态之间的规则。其优点是在对象信息不足或存在冗余时仍然有效而且不需任何先验信息。文章的最后利用两个新样本验证了该算法的有效性。     

基于最小集合覆盖的属性约简算法

在粗糙集理论的各种应用中,属性约简算法具有重要的意义,因而对属性约简算法的研究一直是粗糙集理论研究中的重点问题之一。在对属性约简算法充分研究的基础上提出一种基于最小覆盖集的粗糙集属性约简算法,即通过构造知识系统的一种改进的相关矩阵将属性约简简化为最小覆盖问题。将该算法与文献[7]中的算法进行实验比较并对结果进行分析,实验结果表明,当随着数据量增大时该算法具有更小的时间复杂度。     

基于粗糙集理论的通信电台及其装载平台识别

该文主要探讨粗糙集理论用于通信侦察信息融合系统中的通信电台及其装载平台的识别方法,并给出典型的应用实例。实践表明粗糙集理论在数据融合领域具有重要的应用价值。     

基于支持向量机和粗糙集的图像检索算法

研究基于支持向量机和粗糙集的相关反馈图像检索算法。利用粗糙集理论,通过对训练集的学习,构造分类规则,对支持向量机反馈后的结果再次进行处理。实验显示,与现有方法相比,该方法在图像检索的性能和时间上都有明显的改善。     

粗集理论和Rosetta系统在教学质量评价中的应用

基于粗集理论,利用Rosetta系统对高校教学质量评价信息系统进行离散化和属性约简,得到了评价指标体系中的核心指标和决策规则。利用这些规则,测得被评估教师的实际教学水平,客观评价教师的教学质量,为教师教学质量评价提供一种新的分析方法。     

粗集理论对目标识别中改进融合效果的讨论

应用于目标识别中的数据融合技术，虽已取得一定的成效，但是仍存在一些问题。粗集理论是一种处理不精确知识的数学工具。基于粗集理论的数据融合应用于目标识别中能改进融合的效果。