硕士论文-基于支持向量机的独立学院教学评价系统研究，共53页，33328字。
摘 要
随着高等教育的迅猛发展，高校的办学规模越来越大,办学的形式也越来越多。独立学院在高等教育中的作用也愈加明显，对其独立学院的办学情况的要求也越来越愈加高。因此，对独立院校的教学质量和教学水平进行评价工作随着教育的发展也逐步提上日程。目前在国内、国外教育测量与评价已经引起相关部门和教育研究学者的高度重视，并在对教师教学综合能力的评价方面也取得了比较丰富的成果和较大进展，尤其是对教师教学综合能力的评价方面。但是，目前的研究大多都是基于经典的统计方法。随着对人们对教育测量与评价方法的科学性、准确性要求的不断提高和教育测量与评价方法研究的不断深入，传统的评价方法的评价标准因过于繁琐，其计算、统计方法工作过于麻烦而使应用受到了局限。
计算机和信息技术的发展，为应用计算机对信息进行存储、计算、处理、分析及统计带来了可能。以数据分析、处理为基础的计算机科学技术已日益应用并渗透到各个领域。教学测量与评价这一教育领域中的问题，也正在综合的运用计算机技术和其他技术的结合来、教育学、数学和计算机科学的各种工具来有效的解决。
基于计算机智能的教学评价方法就是利用人工智能领域中相关学科(如神经网络、模糊逻辑等)和数据挖掘等方法、和在本领域方面已取得的科研成果来研究教师评价这一问题，即寻求一种结合领域专家经验及知识和基于计算机技术学习相结合的教师能力评价方法。通过这种方法，我们不但可以对教师的教学质量、教学水平和综合能力进行分析评价，同时也可以对教育领域中的其他一些现象进行测量和评价。在一定程度上可以促进教育测量及教育研究的发展。
本文将支持向量机(SVM)理论应用于独立学院学教学评价系统当中，根据教育学等相关理论，结合目前各院校的教学评价指标，对独立学院教学评价指标按照一定要求进行设置。利用SVM原理将样本数据划分为两部分，通过对评价系统中的样本数据进行训练，从而得到训练模型，用所得到的训练模型对预测数据进行智能评价与分析。本课题来源于吉林农业大学发展学院，数据对象为该校的教学评价数据。系统采用Matlab的LIBSVM工具箱对数据进行处理。
通过实验和试运行表明，采用基于支持向量机方法对教学评价数据进行评价，可以使评价更加准确合理，减少评价过程中由于人为原因造成的一些错误及误差，同时也大大降低教学管理部门的工作量。教学评价系统能够相对客观的对教师的教学质量进行评价，因此应用前景良好。
关键词：教学评价，支持向量机，评价指标

目 录
第1章 绪论 1
1.1研究背景 1
1.2国内外研究现状及分析 2
1.3机器学习理论的应用 3
1.4论文主要研究内容 4
1.5 论文的组织结构 5
第2章 支持向量机 6
2.1统计学习理论和机器学习 6
2.2支持向量机基本原理 9
2.3 支持向量机研究现状 14
2.4本章小结 15
第3章多类支持向量机的构建 17
3.1 引言 17
3.2 多分类方法研究 17
3.3性能分析 21
3.4本章小结 22
第4章 基于支持向量机的独立学院教学评价系统设计 23
4.1 引入支持向量机 23
4.2教学评价指标构建原则 24
4.3教学评价系统总体设计 27
4.4教学评价系统详细设计 28
4.5 本章小结 40
第5章 总结与展望 41
5.1 工作总结 41
5.2 未来展望 41
参考文献 42
致谢 45
个人简介 46

论文大小：1.65MB
论文格式：word
论文专业：计算机
论文编号：209801
论文文件预览：
共1文件夹，1个文件，文件总大小：1.65MB，打包后大小：1.16MB

• 硕士论文-基于支持向量机的独立学院教学评价系统研究
• 基于支持向量机的独立学院教学评价系统研究 .doc  [1.65MB]