基于模糊数学聚类分析高校教师绩效考核系统实现.docVIP

基于模糊数学聚类分析高校教师绩效考核系统实现 　　摘 要：教师教学能力的高低和整体水平的强弱，直接关系到高职院校办学水平的优劣。本文以鹤岗师范高等专科学校为例，把模糊综合评价应用到本学校教师教学能力考核研究中，结合教师的实际情况将教学能力根据需要分成几个指标，通过模糊聚类分析算法实现对高校教师教学能力的评价。采用聚类分析方法中的模糊等价矩阵聚类和直接聚类方法来确定最佳阈值λ得以实现评价方法，取得了较好的效果。 　　关键词：模糊综合评价；分析聚类分析；最佳阈值 　　中图分类号：G642.4 　　目前鹤岗师专采用的是学生打分、督导听课、系部结合的方式得出的评价结果作为教师年终考核奖惩的重要依据，但这种考核方法过程简单，而且主观性强，缺乏客观的、量化的、科学的考核指标，不能反应出真实的成绩，并在考核过程中定性分析过多，定量不足，量化的细则没有涉及到具体的应用，缺乏衡量标准，很多时候依靠经验印象来评价，从而导致考核的片面性与非科学性。考核结果大多采用优秀、良好、合格、较差四个等级，并且对优秀率规定了上限。 　　本文根据大学教师绩效评价的全方位、多角度要求，结合本学校实际情况，运用模糊聚类分析算法的最佳阈值的确定，在.net的环境中编写程序，实现对教师的教学能力作出最佳的综合评价方法。 　　1 模糊聚类分析概述 　　聚类分析是指对事物按一定要求进行分类的一种数学方法，将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。聚类分析的目标就是在相似的基础上收集数据来分类，但给出的结果而不是说目标绝对地属于或绝对地不属于哪一类，而是指明在什么程度上属于哪一类。 　　设数据集X中含有n个样本，表示为xk，k=1，2，3，…，n.聚类问题是要将{x1，x2，…，xn}区分为X中的c个子集，2≤c≤n，要求相似的样本应尽量在同一类，c为聚类数。 　　模糊聚类分析步骤可以概括为：数据标准化，建立模糊相似矩阵，聚类。 　　1.1 数据标准化。设论域U={u1，u2，… ，un}为被分类的对象，每个元素又由m个数据表示，对第i个元素有 　　Ui={xi1，xi2，…，xim}（i=1，2，3，…，n） 　　这时原始数据矩阵为 　　标准差变换 　　经过变换后，每个变量的均值为0，标准差为1，并可以消除量纲的影响，但不一定在[0，1]区间上。得到极差变换公式为： 　　经过极差变换后有0≤ ≤1，且消除了量纲的影响。 　　1.2 建立模糊相似矩阵。又称为标定，即标出衡量被分类对象间相似程序的统计量rij（i，j=1，2，…，n）。 　　设论域U={u1，u2，…，un}，其中每个元素为一个样本，建产U上的相似关系R，R表示相似矩阵rij=R（ui，uj）。每个样本为m维向量，ui={xi1，xi2，…，xim}。 　　计算rij可以有多种方法，本文主要讨论距离法中的海明距离法。其公式如下： 　　海明距离： 　　d（ui，uj）= 　　1.3 聚类分析方法。本论文中采用的传递包算法。根据标定所建立的模糊矩阵R，一般来说只是一个模糊相似矩阵，不满足传递性，即R不一定是模糊等价矩阵，为了进行分类，还需要将R改造成模糊等价矩阵R*。可以用求平方法求R的传递闭包t（R）。从模糊矩阵R出发，依次求平方：R R2 R4 …，当第一次出现Rk?Rk=Rk时，表明Rk就是所求的传递包t（R）。再让阈值λ由大变到小，就可形成动态聚类图，获得所需要的分类。 　　1.4 最佳阈值λ的确定。在模糊聚类分析中，对于各个不同的λ∈[0，1]，可得到不同的分类，从而形成一种动态聚类图，这对全面了解样本的分类情况是比较形象和直观的，但许多实际问题需要选择某个阈值λ，确定样本的一个具体分类。这就提出了如何确定阈值λ的问题，按照实际需要，在动态聚类图中，调整λ的值以得到适当的分类，而不需要事先准确估计好样本应分成几类。当然，也可由具有丰富经验的专家结合专业知识来确定阈值λ，从而得出在λ水平上的等价分类。 　　用F-统计量确定λ最佳值 　　设论域U={x1，x2，…，xn}为样本空间（样本总数为n），而每个样本xi，有m个特征（即由试验或观察得到的m个数据）：xi=（xi1，xi2，…，xin）（i=1，2，…，n），于是，得到原始数据矩阵。 　　总体样本的中心向量为 　　=（ ， ，…， ，…， ） 　　其中 　　= （k=1，2，…，m） 　　设对应于λ值的分类数为r，第j类的样本数为nj，第j类的样本记为： ， ，…， ，第j类的样本中心向量为 =（ ， ，…， ），其中 为第k个特征的平均值： = （k=1，2，…，m） 　　2 实例分析 　　数据采样以我校10位教师教学能力评价考核为例。参加考核的教师人数为158人。参与评估的人员组成为校长3人，教务处2人，人事处3人，科研中