神经网络与模糊系统.doc

深圳大学研究生课程：模糊集合与模糊系统

课程作业实验报告

实验名称：模糊综合评价法在神经网络与模糊系统教学质量评估中的应用

姓名：李超

学号：2110130215

指导老师：黄建军李良群

提交日期：2011年11月28日模糊综合评价法在神经网络与模糊系统课程教学质量评估中的应用

1神经网络与模糊系统课程教学质量评估方法的根底—模糊综合评价法

模糊综合评价法是一种基于模糊数学的综合评标方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰,系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。

操作过程为四个环节：第一步，确定模糊综合评价的因素指标集合和评价标准集合；第二部，确定评价因素指标的权数模糊子集；第三步，确定模糊评判阵即模糊关系矩阵；第四步，进行模糊关系运算，得出模糊综合评价结果，并进行比拟分析。模糊综合评价法虽类似于统计综合指数法等传统方法，但它比统计综合指数法更综合概括，是对传统的统计量化评价方法的深化，是一种具有较大实用价值的现代统计方法，具有广泛的应用价值。

神经网络与模糊系统课程的教学质量涉及各个方面，综合量化评估可以从指标设置、指标权数确定、评价标准确实定和评价方法的选择、量化计算与分析等过程来完成。

2评价模型的建立与参数确实定

模糊综合评价模型数学方法的根本步骤

〔1〕确定对评价对象进行综合评价的指标体系〔即因素集〕，按某种属性分成S个子集。

U=，其中：={，，…，}，i=1，2，…，s，p为该主因素下的子因素个数，且满足∩=?,i≠j。

〔2〕确定评语集(称为评语等级论域〕，设有m个评价等级，那么

={，，…,}。

〔3〕由因素集合中的元素和评语集V，可获得一个隶属关系矩阵

R=

其中：=R(,)，表示因素对评语集中的某等级的隶属程度，其中n为参与评价的人数，[0,1]。

〔4〕对每一个因素集分别作出模糊综合评价。设中的各因素权重的分配〔称为模糊权向量〕为=〔，，…，〕，其中：=1。

假设为单因素矩阵，根据M〔，〕模型，通过将模糊权向量与隶属关系矩阵R进行合成，求得单级评价模型为=○=〔，，…，〕，=1,2，…,s。

〔5〕将看作一个综合因素〔即主因素〕，记U={，，…，}，用作为它的单因素评价结果，可得到隶属关系矩阵R=，设综合因素〔=1,2，…,s〕的模糊权向量为=〔，，…，〕，s为主因素的个数。那么二级模糊综合评价模型为=○=〔，，…，〕，如果第一步划分中〔=1,2，…,s〕仍然较多，那么可以继续划分得到三级或更高级的模型。

3模糊综合评价法在神经网络与模糊系统课程教学质量评估中的应用

教学质量评估的本质是对学校的教育功能和办学成效实现程度所进行的价值判断，根据我校对研究生一年级学生开设的神经网络与模糊系统的教学状况，通过对影响教学水平的各种因素加以分析，建立神经网络与模糊系统教学质量综合评价指标系统，如下表1。

主因素

子因素

课程内容u1

知识广度和深度u11

前瞻性和前沿性u12

理论联系实际u13

教学方式及教学效果u2

教学方式u21

教学媒体u22

教学效果u23

教材及参考资料u3

教材u31

参考书u32

参考期刊u33

工作态度u4

敬业精神、师德师范u41

教学任务完成情况u42

教学育人u43

表1神经网络与模糊系统教学质量评估指标

反映教学质量的因素包括：课程内容、教学方式及教学效果、教材及参考资料和工作态度等。这些因素与评价等级之间存在模糊关系，现用模糊综合评价法对该课程的教学质量进行评估。

3.1建立模糊综合评判根本要素

建立因素集

设因素集：U={，，，}

又设综合因素的子因素集为：

={，，}，={，，}

={，，}，={，，}

建立评语集

评语集分为四级，即={，，，}，分别对应：优，良，中，差。

确定各指标隶属于中评语的隶属度，通过对调查卷的统计建立模糊关系矩阵

=(，，=(，，

=(，，=(，，

R1=

=R2=

==

指标权数确实定

〔1〕权数即各个不同指标按其所在的整个评价体系中的相对重要程度所赋予的值。表达了各层次指标在现代数字信号处理教学质量评价中所起的作用大小。根据实际情况现规定一级指标，，，的权重分别为：0.30,0.25,0.15,0.30。

〔2〕第二层次指标，，，的权数向量Ai：

={，，}=〔