毕业论文--模糊聚类在高校系院归类上的应用.docVIP

模糊聚类在高校系院归类上的应用 摘要：传统的对高校各系（院）归类，往往以系院总分的高低来对各系院进行划分，有很大的不合理性。为使的更为科学的管理，模糊数学中的模糊聚类为其提供了更为合理的划分。 关键字：模糊数学；模糊聚类；模糊评价；模糊相似矩阵 近20年来，随着模糊数学的不断发展，其应用领域越来越广。传统的系院归类逐渐显示出了它的弊端和不合理性，为更好的促进高校的进一步发展，我们应当一改传统对各系院进行归类的方法，寻求一种更加科学的、合理的途径，优化高校管理，促使高校提升一个新的台阶。接下来，我个人就XX学院各系院用模糊评价和模糊聚类的方法进行了归类。 例 ：XX学院共有15个系，设Y=国际学院，中国语言文学系，外国语言文学系，社会科学系，经济管理系，艺术系，数学科学系，电子科学与工程系，化学化工系，，计算机科学系，信息工程系，体育系，建筑工程系，农林科学系，护理学系},分别对应于{ Y1 ，Y2 ，…，Y14 ，Y15}；评的指标集={师资队伍，学科建设，人才培养，党建工作，学团工作，科研成果},分别对应于{ X1 ，X2 ，X3 ，X4 ，X5 ，X6}。 下面，以科技成果为例，如何用模糊评价的方法对这一项指标评定。科研成果的指标域U={论文集其著作，科研项目，外界反应}，其中，每一个因素都是评价的着眼点，又设V={ V1 ，V2 ，V3 ，V4}是评价等级的集合，分别对应于集合V中的{优，良，中，差}。则每一个评判对象确定了从U到V的模糊关系，它是一个矩阵。设有10个专家组成的评估组，分别对各个因素做出评价， 结果列下表 V1 V2 V3 V4 ∑（人） U1 2 4 3 1 10 U2 4 3 2 1 10 U3 2 2 2 4 10 Xij为判明为V的顾客数，表中每行值之和相加为10人。令rij =xij/10 （i=1，2，3，4；j=1，2，3），其中设U上的一个权数分配集=（0.3，0.5，0.2），其中各分量之和为1，=(rij),同时引入V上的一个模糊子集,它是模糊评价，则=0 ,让“0”取Zadeh算子，规定：如果各项评价不低于25%，则相应给打10分，8分，6分，4分；如果小于这个标准，则分别打4分，3分，2分，1分，经过处理可得， 0.2 0.4 0.3 0.1 =0 = (0.3 ,0.5 ,0.2) 0.4 0.3 0.2 0.1 = 0.2 0.2 0.2 0.4 (0.4 ,0.3 ,0.3 ,0.2) , 进行归一化处理，即=（0.4/1.2，0.3/1.2，0.3/1.2，0.2/1.2）=（0.333，0.25，0.25，0.167） 则科研成果方面总分为25分，同理，其它各指标的分数也可类比求得。现将统计结果列于下表： X1 X2 X3 X4 X5 X6 总分 名次 Y1 16 23 22 24 22 22 107 9 Y2 23 24 13 15 28 28 103 13 Y3 15 14 13 16 14 14 96 15 Y4 25 23 24 13 16 16 114 7 Y5 13 24 14 13 24 24 102 14 Y6 14 25 23 25 23 23 138 1 Y7 25 14 14 13 23 23 105 11 Y8 23 22 14 16 13 13 112 8 Y9 16 28 24 15 14 14 122 3 Y10 16 23 15 13 24 24 107 10 Y11 24 25 16 14 23 23 118 4 Y12 14 24 15 25 13 13 114 6 Y13 24 15 13 24 16 16 117 5 Y14 16 23 25 22 15 15 126 2 Y15 23 22 15 14 13 13 103 12 依据上面的数据，标定系别间的相似系数 ，这里选定rij =1-dij/M (i=1,2,3,4,5,6;j=1,2,3,…,17)其中dij= 取M= 24，以保证0≦rij ≦1. rij 愈小，表示第i个元素与第j个元素之间的差异愈小。 经过计算之后，可以得到模糊相似矩阵 Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 Y9 Y10 Y11 Y12 Y13 Y14 Y15 0 0.76 0.71 0.78 0.75 0.19 0.86 0.67 0.55 0.67 0.7 0.54 0.65 0.33 0.80 Y1 0 0.86 0.65 0.47 0.89 0.48 0.72 0.9 0.36 0.25 0.89 0.82 0.93 0.64 Y2 0 0.83 0.87 0.83 0.67 0.