| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 选题背景和研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 教学质量评价的研究现状 | 第12-14页 |
| 1.2.2 SVM多分类算法的研究现状 | 第14-15页 |
| 1.3 本文的主要工作 | 第15页 |
| 1.4 本文的创新点 | 第15-16页 |
| 1.5 论文的组织结构 | 第16-17页 |
| 第二章 支持向量机多分类算法 | 第17-26页 |
| 2.1 统计学习理论的相关知识 | 第17-19页 |
| 2.1.1 经验风险最小化准则 | 第17-18页 |
| 2.1.2 VC维 | 第18页 |
| 2.1.3 结构风险最小化原理 | 第18-19页 |
| 2.2 支持向量机理论 | 第19-21页 |
| 2.2.1 最优超平面 | 第19页 |
| 2.2.2 核函数 | 第19-21页 |
| 2.3 支持向量机多分类算法 | 第21-25页 |
| 2.3.1 一对多方法 | 第21-22页 |
| 2.3.2 一对一方法 | 第22-23页 |
| 2.3.3 有向无环图方法 | 第23-24页 |
| 2.3.4 二叉树支持向量机 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 二叉树支持向量机多分类算法 | 第26-42页 |
| 3.1 BT-SVM多分类算法的基本原理 | 第26-27页 |
| 3.2 BT-SVM多分类方法存在的问题 | 第27-29页 |
| 3.3 本文改进的BT-SVM多分类算法 | 第29-36页 |
| 3.3.1 类间的相对距离 | 第29-30页 |
| 3.3.2 基于相对距离的不完全二叉树的结构 | 第30-32页 |
| 3.3.3 不完全BT-SVM多分类器的存储结构 | 第32-33页 |
| 3.3.4 算法描述 | 第33-35页 |
| 3.3.5 算法的复杂度 | 第35-36页 |
| 3.4 仿真实验 | 第36-41页 |
| 3.4.0 实验数据集 | 第36-38页 |
| 3.4.1 实验环境 | 第38页 |
| 3.4.2 实验结果分析 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于改进BT-SVM算法的教学质量评价模型 | 第42-54页 |
| 4.1 构建教学质量评价指标体系 | 第42-46页 |
| 4.1.1 相关概念 | 第42-43页 |
| 4.1.2 构建评价指标体系的方法 | 第43-44页 |
| 4.1.3 构建评价指标体系的原则 | 第44-45页 |
| 4.1.4 确定评价指标体系 | 第45-46页 |
| 4.2 构造基本不完全BT-SVM教学质量评价模型 | 第46-48页 |
| 4.2.1 评价模型 | 第46-48页 |
| 4.2.2 教学质量评价系统的物理组成 | 第48页 |
| 4.3 实验流程 | 第48-51页 |
| 4.3.1 数据预处理 | 第49-50页 |
| 4.3.2 构造基于相对距离的不完全BT-SVM分类器 | 第50-51页 |
| 4.3.3 对测试数据集进行测试 | 第51页 |
| 4.4 实验结果及分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结和展望 | 第54-56页 |
| 5.1 论文总结 | 第54-55页 |
| 5.2 工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间完成的学术论文 | 第61页 |
