模糊聚类在课堂教学评估中的应用研究.docVIP

模糊聚类在课堂教学评估中的应用研究 　　摘要：以目前的高等学校教育为平台，就如何将数据挖掘技术与课堂教学质量相结合的问题进行了研究。首先介绍了模糊C均值聚类算法的原理及实现步骤，并通过对课堂教学评估指标体系的有效挖掘，选取适当的聚类参数，建立模糊划分矩阵，然后用模糊C均值聚类算法进行聚类，较好地实现了聚类目标。 　　关键词：数据挖掘；模糊聚类；课堂教学评估 　　中图分类号：G642文献标识码：A文章编号：1009-3044(2011)04-0858-02 　　Fuzzy Clustering in Classroom Teaching Assessment Application Research 　　ZHU Chang-jiang1, DUAN Yu-chun2 　　(1.School of Computer and Information Engineering HeNan University, Kaifeng 475004, China;2.Computer Center, Henan University, Kaifeng 475004, China) 　　Abstract: At the current higher school education as the platform, on how to make the data mining technology and combination of classroom teaching quality, the problem is studied. Firstly introduces fuzzy c-means clustering algorithm, the principle and implementation steps, and through the classroom teaching evaluation index system of effective mining, selecting proper clustering parameters, establishes fuzzy partition matrix,and then using the fuzzy c-means clustering algorithm clustering, have a better way to realize the clustering goals. 　　Key words: data mining; fuzzy clustering; classroom teaching assessment 　　目前，随着高等教育规模的扩大，巩固和加强师资队伍建议，促进教师教学水平的提高，已成为学校教学管理工作的重要环节。与此同时，对教师的考核评价制度日趋完善，考核体系越来越科学、合理。本文以高等教育为背景，将讨论用模糊聚类的方法对教师的课堂教学进行分类分析，从而给出比较科学的类别划分，为教育管理者和决策者提供隐含在现代教学评价数据库中的理想模式。实验结果证明了该方法的有效性，对促进教育信息化管理和提高学校教学质量等问题都具有一定的理论意义和应用价值。 　　1 聚类分析 　　聚类分析根据研究对象特征对研究对象进行分类的一种多元分析技术,把性质相近的个体归为一类,使得同一类中的个体都具有高度的同质性,不同类之间的个体具有高度的异质性。聚类分析的作用是将特征空间中的样本集合按照各个样本点之间、样本点与样本点子集合之间以及样本点子集合之间的相似性测度(距离或相似度)进行聚类,得到的样本点和子集合之间的关系体系。采用这种方法可以确定研究对象之间的“亲疏关系”,从而达到对其进行正确合理分类的目的。 　　传统的聚类分析要求把数据集中的每一点都精确地划分到某个类中，即所谓的硬划分。但实际上大多数事物在属性方面存在着模糊性，即事物间没有明确的界限，不具有非此即彼的性质，所以模糊聚类的概念更适合事物的本质，能更客观地反映现实。模糊聚类分析是一种基于函数最优方法的聚类算法，使用微积分计算技术求最优代价函数。模糊聚类中，每个样本不再属于某一类，而是以一定的隶属度属于每一类。也就是通过模糊聚类分析，得到了样本属于各个类的不确定性程度，即建立了样本对于类别的不确定性描述，这样更能准确地反映现实世界。目前，模糊C均值（FCM）聚类算法是应用最广泛的一种模糊聚类算法。 　　2 FCM聚类算法 　　FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一类的对象之间相似度最大，而不同类之间的相似度最小。设聚类样本集为：X=(x1，x2，…，xn)，将样本集X分为C个类，类中心的集合为V=(v1,v2,…,vc)。n×C维矩阵U=(uij)由每个样本