模糊聚类最大树算法在教学质量评估中的应用*
2012-08-15卓景文李学俊赵志伟
网络安全与数据管理 2012年6期
卓景文 ,赵 鹏 ,李学俊 ,赵志伟
(1.安徽大学 计算智能与信号处理教育部重点实验室,安徽 合肥230039;2.安徽大学 计算机科学与技术学院,安徽 合肥230039)
教学管理是为了实现教学目标,按照教学规律和特点对教学过程进行的全面管理。通过不断改善影响学校教学质量的内部因素和外部因素,建立科学的评价体系来提高教学质量,达到最佳教学效果。
数据挖掘是从大量数据中提取或“挖掘”知识(即数据中的知识发现),并以这些知识为基础,自动做出决策和预测。数据挖掘已经应用于众多领域,如金融数据分析、零售业、信息检索等。随着信息技术的发展和高等教育体制改革的不断深入,高校实现了教育信息化,大大提高了工作效率。将数据挖掘技术应用于高校教务管理中,可以挖掘出重要的对决策或者预测有用的信息和知识,利用分析结果辅助教学,帮助教学管理者做出科学的决策。然而数据库或者数据仓库的容量越大,系统复杂性越高,相应的精确化能力就越低,也就是说模糊性越强,因而仅仅依靠复杂算法和推理并不能完全发现隐藏知识,因此,考虑将模糊数学、模糊逻辑和数据挖掘结合起来的模糊数据挖掘技术引入到教学质量评估中。
1 相关基本知识概论
模糊集是用来表达模糊性概念的集合[1]。
定义 1:设 X 为论域,x∈X,设A˜是论域 X 到[0,1]的一个映射,即A˜(X):X→[0,1],x→A˜(x),称A˜是 X 上的模糊 集,而 函数A˜(X)称为模 糊 集A˜的 隶 属 函 数 ,A˜(x)称 为 x对模糊集A˜的隶属度。
定义2:公式A→B的逻辑含义称为决策规则,A称为规则的前件,B称为规则的后件,它们表达一种因果关系。……
登录APP查看全文
