基于粗糙集的决策树算法在高校评教中的应用-计算机软件与理论专业论文.docxVIP

太原理 T 大学硕斗叼f 究生学价论文 1.2.3 高校学生评教存在的问题 l、评教表设置不合理 目前大部分高校的评教表没有征求教师和学生的意见，教师和学 生作为教学 过程的 参与者，显然应该考虑他们的意见。 2 、组织实施不当 目前已经有许多高校采用了网络化的评教方式 ，长f教时间一般都在期末，评教结果 不能及时反馈给教师 。 3、评教结果不能奇效 利用 目前评教结果只是在期末时由学校教务处将评教结果反馈给教师，反馈的信息 一般 只有教师的总分和排名等简单信息，教师 无法从这些信息中得 出有价值的信息，教务处 也无法从大量评教结果中发现有用信息 ，更不可能帮助教师改进教 学方洁，提高教学 水 平 (4) 。 1.3 相关理论国内外的研究现状 1.3.1 决策树理论研究现状 决策树源于人工智能，上世纪九十年代， 是构建人工智能系统的主要方法之 一。 由于决策树分类速度快、效率高、理解性好的特点，所以其在人工智能、数据挖掘等领 域被广泛应用。从上尚纪九十年代 以后， 随着数据挖掘技术的发展及其在商业领域的广 泛应用，决策树技术发挥出越来越强大的作用 (5j 。 决策树是以实例为 基础的归纳学 习算法，它是从一组无规则 、无次序的元组中推理 出决策树表示形式的分类规则。 1986 年， Quinlan 提出了著名的决策 树算法 ID3，该算 法以信息增益作为选择扩展属性根节点的标准，并递归地生成决策树。由于 ID3 只能处 理离散的属性值， 1993 年， Quinlan 又提出了 ID3 的改进算法 C4.5 ，它是一个能处理连 续属性 的算法。此外著名的决策树算法还有 CART、SLIQ、SPRINT、RAINFOREST 和 PUBLIC 等问。 1 .3.2 粗糙集理论研究现状 1982年，波兰华沙理工大学的 Pawlak Z教授在国际计算机和信息科学杂志上 首次 3 太原 太原理工大学硕士研究生学位论文 提出了粗糙集合(Rough Set)的概念; 1991 年山版了关于粗糙集理论的专著《粗糙集 一关 于数据推理的理论，该专著系统地阐述了粗糙集基本理论与方法。相槌集的基本思想 是使用等价关系将集 7吁中的元素进行分类 ，用上、下近似的概念描述元素所属集合的不 确定性，为我们提供了 一套完整的数据预处理、决策表约简、决策表数据推理、规则获 取的方法l11 。 目前，许多重要的国际学术会议都将粗糙集作为其中的内容之一，每年都有许多粗 糙集方面的研究论文发表在国际重要期刊和国际学术会议刊物上。随着研究工作的不断 深入，粗糙集理论已经广泛应用于知识发现、机器学习、模式识圳、决策支持、专家系 统、归纳推理等领域。 国内对粗糙集理论的研究和应用 仍然处于探索阶段，但 是我国在这个领域的发展应 度非常快。清华大学和许多高校以及中科院都已经加入到这个领域的研究中，并取得了 一些研究成果{的。 国外对粗糙集领域的研究倾向于约简算法优化、模糊理论和粗糙集理论 、理H槌集理 论与神经网络理论及其它人 工智能技术的结合等课题上。 1.3. 3 粗糙集与决策树技术结合的研究现状 粗糙集理论与决策树技术结合的研究在园内外研究很广泛，它采用启发式方法建树 时将粗糙集理论进行融合，这样既考虑了属性之间的依赖关系，又兼顾了分类种类，使 得原先必须通过计算信息娟选取分支属性的复杂工作只需要简单的集合运算便可构边 决策树，从而得到分类规则。 当前相糙集J与决策树技术结合的研究主要涉及余融、医疗等领域的数 据挖掘。在股 票数据分析方面， Golan 等用粗糙集方法分析了 10 年间股票的历史数据 ，研究了股票价 格与经济指数之间的关系，获得的决策规则得到了华尔街证券交易专家的认可。有 一些 学者将粗糙集与神经网络结合起来用于决策树的分类。另外还有一些学者将粗糙集用于 决策树的构建过程 ，tllJ选择一个新属性时，要考虑该属性带来的信息增益和 l树的两层节 点(9.101 。 总之，对粗糙集的理论研究日趋成熟 ，已经形成一套较为完整的理论，同时粗糙集 与决策树的结合已经取得了_.些研究成果。 4 太原 太原 1距 T大学硕斗研究 1.1)宇:价论文 1.4 论文的组织结构 本文分为五章，组织结构具体如下 : 第一章是绪论部分。 主要介绍了本课题的研究背景和意义 、决策树和粗糙集的研究 现状、粗糙集和决策树结合的研究现状 。 第二章是数据挖掘理论。介绍 了数据挖掘的概念、步骤和常用的数据挖掘技术 :介 绍了决策树技术 ，并分析了典型泱策树算法 ID3、C4.5、CART等，介绍了决策树的剪枝。 第三章是粗糙集理论。主要介绍 了经典粗糙集的基本理论和粗糙集属性约简算法。 第四章是基于相梨的决策树算法及其在高校评价中的应用。