张 如

(福州职业技术学院计算机系，福建 福州 350108)

粗糙集与改进Apriori算法在教师教学效果评价中的应用

张 如

(福州职业技术学院计算机系，福建 福州 350108)

先用改进Apriori算法剔除教师教学信息表中与教学效果好坏无关的素质属性，再用粗糙集属性重要性方法挖掘教师的各素质对教学效果影响的重要度排序。研究发现，“性别”不影响教学效果，“学历”、“职称”对教学效果的影响超过了“教龄”的影响。

粗糙集；Apriori算法；属性；教学信息

随着各院校规模的不断扩大，各院校的初级管理系统收集了大量数据。决策层针对教师教学效果的评价往往只基于学生每学期对教师的评价，再将最终统计结果作为评优评先的依据，而没有对评价结果做更深层的研究。下面，笔者利用粗糙集与关联规则合并挖掘教学管理系统中的数据，得出有用的决策信息。

1 粗糙集理论基础

粗糙集无需任何先验信息，就可从给定问题的描述出发，找出问题内在规律[1]。它能从数据中揭示出精确而又易于检查和证实的规则。粗糙集可进行定量分析。

1.1决策表

决策表是粗糙集最基本的信息系统。决策表表示如下：S=〈U，C∪D，V，f〉，其中，S表示为决策表；U是论域(即研究对象的集合)；C是条件属性集；D是决策属性集，C∪D组成全部属性集；V是属性值集合；f是一个映射函数，即U中对象的属性值。在决策表中，不同的条件属性有不同重要性。

1.2属性依赖度与求解

粗糙集用依赖度来度量属性集的依赖性，依赖度定义为：

k=γP(Q) = |POSP(Q)|/|U|

(1)

式中，P、Q分别是决策表中的属性集；……