证据理论和支持向量机相融合高校教学质量评价.docVIP

证据理论和支持向量机相融合高校教学质量评价 　　摘 要： 针对当前高校教学质量评价精度低的难题，为了提高高校教学质量评价的可靠性，提出基于证据理论和支持向量机（DS?SVM）相融合的高校教学质量评价模型。建立高校教学质量评价指标，并收集高校教学质量评价样本，分别通过支持向量机对专家、同行、学生的评价结果进行估计，采用证据理论对专家、同行、学生的评价结果进行有效融合，获得高校教学质量最终评价结果。实验结果表明，该模型可以获得较高精度的高校教学?|量评价结果，比对比模型评价结果更加可靠，可以应用于实际的高校教学质量评价改革中。 　　关键词： 高等教育； 教学质量； 证据理论； 支持向量机 　　中图分类号： TN911.1?34； TP181 文献标识码： A 文章编号： 1004?373X（2017）17?0175?04 　　College teaching quality evaluation based on evidence theory and support vector machine 　　LIU Zhiping 　　（College of Information Engineering， Jiangxi University of Technology， Nanchang 330098， China） 　　Abstract： In order to improve the accuracy and reliability of college teaching quality evaluation， a college teaching quality evaluation model based on DS evidence theory and support vector machine （DS?SVM） is put forward. The index of college teaching quality evaluation was established. The sample of college teaching quality evaluation is collected. The evaluation effects of experts， colleagues and students were evaluated， and fused effectively with evidence theory to obtain the final result of college teaching quality evaluation. The experimental results show that the model can obtain high?accurate evaluation results of college teaching quality， its evaluation result is more reliable than that of the contrast model， and can be applied to the reformation of college teaching quality evaluation. 　　Keywords： higher education； teaching quality； evidence theory； support vector machine 　　0 引 言 　　高校教学质量是一个十分复杂的系统，对于改善高校教学效果，更好的培养人才具有十分重要的地位。高校教学质量的评价结果不仅影响老师教学结果的好坏，而且会对该课程改革产生重要影响。高校教学质量准确的评价结果可以为高校培养人才提供有价值的参考意见。影响高校教学质量的因素较多，各影响因素的变化比较复杂，这些均增加了高校教学质量评价的难度，因此建立一种快速、准确的高校教学质量评价模型具有非常重要的意义[1?3]。 　　当前高校教学质量评价模型主要采用神经网络、灰色理论、多元线性回归以及专家系统，各种模型均有自身的优势和应用范围[4]。在这些评价模型中，神经网络具有并行处理信息能力，而且容错能力强的优势，可以通过自组织学习拟合评价指标和高校教学质量之间的变化关系，因此神经网络模型广泛应用于高校教学质量评价中[5?6]。然而在实际应用中，神经网络易出现陷入局部极小点等问题，导致有时高校教学评价结果误差大，评价时间长[7]。为了解决神经网络存在的缺陷，有学者提出基于支持向量机的高校教学质量评价模型，其非线性逼近能力要明显优于神经网络，能够获得更加理想的高校教学质量评价结果[8]。当前高校教学评价从三个方面进行评价，根据专家、学生以及同行数