基于粗糙集的决策树算法在高校评教中的应用

论文摘要

高校评教是高校教育教学管理工作的重要组成部分,是对教学活动过程进行考察的有效途径,它不仅对教学起着调节、指导、控制和推动作用,而且是评价教师教学工作成果的重要手段。目前,高校评教一般由学校教务处在期末将评分结果或考核等级反馈给代课教师。这种评教方法对于教学改革和教学质量的提高起到了一定的作用,但是这种方法并未给教师提出需要在哪些方面进行改进,而且学校也无法从大量的评教数据中发现评教结果中隐藏的规则。决策树分类是数据挖掘中一种经常要用到的技术,它有分类速度快、效率高的特点,不但用于分析数据,而且也用来作预测,但是当数据集中的属性比较多时,决策树分类容易出现结构性差,难以发现有用的规则信息。粗糙集是处理各种不完备信息的有效工具,在消除冗余信息、处理大数据集等方面具有一定的优势,广泛应用于数据挖掘中的数据预处理、属性约简等方面,但是它的分类缺乏交互验证功能,所以分类结果不稳定,精度不高,因此决策树和粗糙集具有很强的优势互补性。本文将粗糙集理论与决策树方法结合起来应用于高校评教。首先,利用粗糙集对评教指标进行属性约简,删除评教表中的冗余指标；其次,对删除后的评教表进行决策树的构建,如何构建决策树本文提出一种基于属性重要性的决策树构造算法,该算法通过计算属性相对于划分的重要度来递归构造决策树；然后用该算法对评教表进行决策树的构建,形成决策规则；最后对形成的规则进行解释,并最终指导教师的教学工作。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景及意义
• 1.2 高校学生评教现状分析
• 1.2.1 高校学生评教的目的和意义
• 1.2.2 高校学生评教的基本方法
• 1.2.3 高校学生评教存在的问题
• 1.3 相关理论国内外的研究现状
• 1.3.1 决策树理论研究现状
• 1.3.2 粗糙集理论研究现状
• 1.3.3 粗糙集与决策树技术结合的研究现状
• 1.4 论文的组织结构
• 1.5 论文的主要研究成果
• 第二章 数据挖掘理论
• 2.1 数据挖掘基本理论
• 2.1.1 数据挖掘概述
• 2.1.2 数据挖掘的步骤
• 2.1.3 数据挖掘方法
• 2.2 决策树算法
• 2.2.1 典型决策树算法
• 2.3 决策树算法分析与总结
• 2.4 决策树的剪枝
• 2.5 本章小结
• 第三章 粗糙集理论
• 3.1 粗糙集的基本概念
• 3.1.1 粗糙集概述
• 3.1.2 知识表达系统
• 3.1.3 粗糙集合
• 3.2 粗糙集处理信息方法及过程
• 3.3 粗糙集属性约简
• 3.3.1 属性约简相关概念
• 3.3.2 几种典型的属性约简算法及分析
• 3.4 本章小结
• 第四章 基于粗糙集的决策树算法及其在高校评教中的应用
• 4.1 问题提出
• 4.2 基于粗糙集的决策树算法
• 4.3 学生评教系统的设计
• 4.3.1 软件需求分析
• 4.3.2 评教指标项目的设置
• 4.3.3 评教系统的运行环境及开发工具简介
• 4.3.4 评教系统的总体设计
• 4.4 实验
• 4.4.1 数据预处理
• 4.4.2 属性约简
• 4.4.3 基于粗糙集的决策树算法构造的评教决策树
• 4.4.4 规则提取
• 4.4.5 模型准确性评估
• 4.5 本章小结
• 第五章 结束语
• 5.1 工作总结
• 5.2 前景展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的学术论文