摘要
为提高高职高专院校教学质量的评价精度和效率,结合高职高专院校教学过程和评价体系,提出基于欧氏距离的二又树支持向量机(Distance binary tree SVM,简称DBT-SVM)算法的高职高专院校教学质量评价模型。该模型中的算法结合了聚类中的关于类距离的概念,是二叉树支持向量机的改进算法,使最先分离出的类在上层节点处分开。经过实例测试,该算法相比其他算法在识别率和分类训练时间都有所提升。该模型可以满足高职高专院校教学质量的评价要求。
引文
[1]高等教育大众化条件下教学质量评价体系研究现状[J].刘强,戴起勋.江苏大学学报(高教研究版),2003(2).
[2]关于高职高专院校教学质量管理与监控体系建设的探析[J].李巧林,郑传宁,王章豹.合肥工业大学学报(社会科学版),2001(3).
[3]汪旭晖,黄飞华.基于BP神经网络的教学质量评价模型及应用[J].高等工程教育研究,2007(5)
[4]刘伟,孙林.基于支持向量机的课堂教学质量评价[J].合肥工业大学学报(自然科学版),2010,33(7):968-971.
[5]宋召青,陈垚.基于支持向量机的多类分类算法综述[J].海军航空工程学院学报,2015(5).