优秀毕业生的评定模型.docVIP

优秀毕业生的评定模型 摘要 本文围绕着优秀毕业生的评选问题进行讨论，建立了基于层次分析和基于主成分分析的两种评定模型，利用聚类分析，层次分析，主成分分析，因子分析等方法建立了评定模型给出了合理的评定方案。并对这两种评定模型进行比较，分析其优劣性。 首先 然后 最后 关键词 层次分析 主成分分析 聚类分析 因子分析 一、问题重述 几乎学校的每个院系每年在毕业季都会评定优秀毕业生。评定优秀毕业生的目的奖励毕业生在大学学习阶段的成绩和鼓励在校学生学习积极性。其中，学习成绩是优秀毕业生评定的主要依据之一，因此，如何根据学生的各门课成绩来合理衡量学生很有必要。附件A是学院某专业2014年毕业的50名学生的学习情况。请你们队根据附件信息，综合考虑各门课程，至少用2种方法将成绩最优秀的20%的同学评选出来，并进行排序，作为进一步优秀毕业生评定的候选人，并比较这些方法的优劣。提交论文应明确说明你们队是如何考虑课程性质、学时、学分、成绩等因素的，以及你们队的主要结果及对该问题的建议。 二、问题分析 该问题要求用至少两种方法将成绩最优秀的20%的同学评选出来以此进行优秀毕业生的评定。 首先已知这50名学生在各个学期不同课程的课程学分，分数，绩点，课程类别，修读类别。通过对学生成绩表的修读类别进行统计分析，发现存在一部分学生重修的情况，为了简化模型我们做出第一个假设，假设重修的学生都是不优秀学生。这样我们可以对数据进行一次简化处理，删除所有重修记录的学生。 由于不同课程的重要性不同，为了判断在不同课程类别中各种课程对学生综合成绩的影响情况，我们将公共课，体育课等课程简化为六个基本课程类别分别为：公共课，体育课，理工类，文管类，艺术类，专业课。将提高学生专业水平，常识水平，体艺水平作为层次分析的准则层，通过定性指标模糊量化方法算出层次单排序（权数）和总排序变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，这两个变量反映此课题的信息有一定的重叠。主成分分析设法将原来变量重新组合成一组新的互相无关的几个综合变量，同时根据实际需要从中可以取出几个较少的综合变量尽可能多地反映原来变量的信息主成分分析法principal component analysis(PCA)是一种数学变换的方法, 它把给定的一组相关变量通过线性变换转成另一组不相关的变量，这些新的变量按照方差依次递减的顺序排列。在数学变换中保持变量的总方差不变，使第一变量具有最大的方差，称为第一主成分，第二变量的方差次大，并且和第一变量不相关，称为第二主成分。依次类推，I个变量就有I个主成分。 对最后阶段分析 第一主成分对于每一个学生的相关系数都近似，我们使用前两个主成分来分析学生的综合成绩是合理的，接下来引入了一个新的指标—评价 通过评价，可以清楚看到专业平台和公共基础课的评价为较大正值，我们主观地认为学生的评定仅受专业平台和公共基础课的影响。 5. 引入一个新的公式来计算 其中E—评定，T—评价，L—课程类别分数. 根据公式，计算得到如下前10（20%）表格如下 学生 公共基础类 专业平台 评定 排名 林林 4010.2 5767 332468.7 1 王栋 3769 5613 319985.6 2 大张 4060.8 5259.5 314057.7 3 天金 3708.3 5317 306822.3 4 小坤 3136.5 5247 288724.8 5 小林 3906.6 4528.5 281434.3 6 伟伟 3563.3 4750 280835.3 7 大方 3572.3 4686.5 278603.4 8 晓东 3371.2 4797 277502.6 9 鑫鑫 3704.6 4398 270920.3 10 4.3层次分析法 4.3.1算法介绍： 在日常工作、生活中的决策问题，涉及到经济，社会等发面的因素，作比较判断时人的主观选择起相当大的作用，各因素的重要性难以量化。我们采用的层次分析法，是匹茨堡大学教授 Thomas L. Satty 于1960年代发明的一种多因素决策方法。通过把复杂的多因素决策问题分解为多个层次上的子因素的相互比较和权重计算问题，能够以较为直观的方式实现对多个可能采取的选择排序并择优。 4.3.2原则和设计 为了达到选出优秀毕业生的目的，我们对层次分析法的三个特点进行分析： 以层级模型表示决策问题：以需要解决的决策作为最高的层级和模型的出发点，我们将决策问题分解为几个影响最终决策效果的因素。在原则之下，是决策者可采取的各种选择。这样，决策者可以清晰地表示对决策问题的认识，以及各种影响因素的分类关系。 分层级的两两比较：在决策过程的任一时刻，决策者只对某一评价原则下的两个选择。每次只比较两个不同的事物尽可能排