基于支持向量机的高校教学评估的分类研究与应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·选题背景 | 第11-12页 |
| ·研究目的及意义 | 第12-13页 |
| ·主要存在的问题 | 第13-14页 |
| ·研究内容和论文组织 | 第14-16页 |
| 第2章 高校教学质量评估指标体系的构建 | 第16-24页 |
| ·教学质量评估发展阶段 | 第16-17页 |
| ·教学质量评估的作用 | 第17-18页 |
| ·评估体系的构建原则 | 第18-19页 |
| ·评估指标的确定 | 第19-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于数据挖掘的分类分析 | 第24-37页 |
| ·数据挖掘的基本知识 | 第24-27页 |
| ·数据挖掘的定义 | 第24页 |
| ·数据挖掘的基本要素 | 第24-25页 |
| ·数据挖掘步骤 | 第25-27页 |
| ·数据预处理 | 第27-32页 |
| ·数据筛选 | 第27-31页 |
| ·数据归一化 | 第31-32页 |
| ·数据分类 | 第32-33页 |
| ·数据分类的主要方法 | 第33-36页 |
| ·决策树分类算法 | 第33-34页 |
| ·粗糙集分类算法 | 第34页 |
| ·人工神经网络分类方法 | 第34-35页 |
| ·遗传算法 | 第35-36页 |
| ·支持向量机方法 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于支持向量机的教学质量评估分类方法 | 第37-49页 |
| ·支持向量机的基本问题 | 第37-40页 |
| ·机器学习基本知识 | 第37-38页 |
| ·经验风险最小化 | 第38页 |
| ·统计学习理论 | 第38-40页 |
| ·支持向量机构造 | 第40-43页 |
| ·最优超平面 | 第40-41页 |
| ·线性可分支持向量机 | 第41-42页 |
| ·SVM的核函数 | 第42-43页 |
| ·基于SVM的教学质量评估分类 | 第43-48页 |
| ·基于支持向量机的多分类方法 | 第43-46页 |
| ·“偏二叉树”的教学质量评估多分类 | 第46-47页 |
| ·实现步骤 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 基于SVM的教学质量评估系统设计与实现 | 第49-63页 |
| ·系统架构 | 第49-50页 |
| ·系统概要设计与实现 | 第50-57页 |
| ·系统功能设计 | 第50-51页 |
| ·数据库设计 | 第51-55页 |
| ·系统子模块实现 | 第55-57页 |
| ·基于支持向量机的训练和评估 | 第57-62页 |
| ·样本训练 | 第57-60页 |
| ·测试验证 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间发表的学术论文目录 | 第69页 |
