基于大數(shù)據(jù)模糊K均值聚類的英語(yǔ)教學(xué)能力評(píng)估算法研究

戈國(guó)梁

摘 要： 針對(duì)傳統(tǒng)的英語(yǔ)教學(xué)能力評(píng)估算法存在大數(shù)據(jù)信息分類不準(zhǔn)的問題，提出基于大數(shù)據(jù)模糊K均值聚類和信息融合的英語(yǔ)教學(xué)能力估計(jì)算法。首先，建立約束參量指標(biāo)分析模型；其次，使用定量遞歸分析方法對(duì)大數(shù)據(jù)信息模型的能力進(jìn)行評(píng)估，實(shí)現(xiàn)能力約束特征信息的熵特征提??；最后，融合大數(shù)據(jù)信息融合及K均值聚類算法，實(shí)現(xiàn)英語(yǔ)教學(xué)能力的指標(biāo)參數(shù)聚類和整合，編制相應(yīng)的教學(xué)資源分配計(jì)劃，實(shí)現(xiàn)英語(yǔ)教學(xué)能力評(píng)估。試驗(yàn)結(jié)果表明，采用該方法進(jìn)行英語(yǔ)教學(xué)能力評(píng)估，具有較好的信息融合分析能力，提高了教學(xué)能力評(píng)估的準(zhǔn)確性和教學(xué)資源應(yīng)用效率。

關(guān)鍵詞： 大數(shù)據(jù)； 英語(yǔ)教學(xué)； 教學(xué)能力評(píng)估； 信息融合； 數(shù)據(jù)聚類

中圖分類號(hào)： TN919?34； TP399 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）20?0031?03

Abstract： In allusion to that the traditional English teaching capability evaluation algorithm exists the problem of inaccurate big data information classification， an English teaching capability evaluation algorithm based on fuzzy K?means clustering of big data and information fusion is proposed. First， the analysis model of constraint parameters is established. Second， the quantitative recursive analysis method is used to evaluate the capability of the big data model and realize entropy feature extraction of capability constraint feature information. Finally， big data fusion is combined with K?means clustering algorithm to realize clustering and integration of English teaching capability parameters， prepare the corresponding teaching resource allocation plan， and realize English teaching capability evaluation. The experimental results show that this method has good information fusion and analysis capability， and improves the accuracy of teaching capability evaluation and the efficiency of teaching resource application.

Keywords： big data； English teaching； teaching capability evaluation； information fusion； data clustering

0 引 言

采用信息處理技術(shù)和大數(shù)據(jù)分析技術(shù)進(jìn)行教學(xué)評(píng)估和資源信息調(diào)度，對(duì)提高教學(xué)進(jìn)程的定量管理和規(guī)劃能力方面具有積極重要的意義。對(duì)此，本文研究基于大數(shù)據(jù)分析的英語(yǔ)教學(xué)能力評(píng)估問題。由于英語(yǔ)教學(xué)能力評(píng)估受到的制約因素較多，需要對(duì)英語(yǔ)教學(xué)水平進(jìn)行定量測(cè)試和分析，構(gòu)建約束英語(yǔ)教學(xué)水平的參量模型和大數(shù)據(jù)分析模型，采用大數(shù)據(jù)信息融合和聚類處理方法進(jìn)行英語(yǔ)教學(xué)能力評(píng)估，構(gòu)建教學(xué)能力評(píng)估的目標(biāo)函數(shù)和統(tǒng)計(jì)分析模型，提高英語(yǔ)教學(xué)能力評(píng)估的定量預(yù)測(cè)能力[1]。本文提出一種基于大數(shù)據(jù)模糊K均值聚類和信息融合的英語(yǔ)教學(xué)能力估計(jì)方法，實(shí)現(xiàn)英語(yǔ)教學(xué)能力的指標(biāo)參數(shù)聚類和整合，編制相應(yīng)的教學(xué)資源分配計(jì)劃，實(shí)現(xiàn)英語(yǔ)教學(xué)能力評(píng)估定量規(guī)劃，實(shí)現(xiàn)英語(yǔ)教學(xué)能力準(zhǔn)確評(píng)估。

1 英語(yǔ)教學(xué)能力評(píng)估的大數(shù)據(jù)分析模型

1.1 英語(yǔ)教學(xué)能力評(píng)估的約束參量大數(shù)據(jù)分析

為了實(shí)現(xiàn)對(duì)英語(yǔ)教學(xué)能力的準(zhǔn)確評(píng)估，首先需要構(gòu)建英語(yǔ)教學(xué)能力約束參量的信息采樣模型。結(jié)合非線性的信息融合方法和時(shí)間序列分析方法，進(jìn)行英語(yǔ)教學(xué)能力的統(tǒng)計(jì)分析。英語(yǔ)教學(xué)能力約束指標(biāo)參量是一組非線性時(shí)間序列[2]。構(gòu)建一個(gè)高維的特征分布空間表示英語(yǔ)能力評(píng)估的參量指標(biāo)分布模型，約束英語(yǔ)教學(xué)能力主要指標(biāo)參量包括了師資水平、教學(xué)設(shè)施投資、政策相關(guān)度水平等[3]。 構(gòu)建一個(gè)微分方程表達(dá)英語(yǔ)教學(xué)能力約束參量的信息流模型為：

3 仿真實(shí)驗(yàn)分析

采用Matlab仿真分析方法測(cè)試英語(yǔ)教學(xué)能力評(píng)估的大數(shù)據(jù)分析性能，采用統(tǒng)計(jì)分析方法進(jìn)行英語(yǔ)教學(xué)能力評(píng)估的數(shù)據(jù)采樣，教學(xué)能力評(píng)估的決策閾值取值為[Dx=2]，設(shè)置英語(yǔ)教學(xué)資源分布的關(guān)聯(lián)參數(shù)為[ξd2c1=35]，[ξd2c2=25]，[ξd2c3=25]，[maxgc1（d2）=65]，[maxgc2（d2）=38]，[maxgc3（d2）=110]，采樣頻率f0=600 Hz，自適應(yīng)初始步長(zhǎng)ρ=0.97，教學(xué)資源特征分布的關(guān)聯(lián)系數(shù)為[B=1.14]，根據(jù)上述參數(shù)設(shè)定，進(jìn)行英語(yǔ)教學(xué)能力評(píng)估約束參量的大數(shù)據(jù)重建，得到大數(shù)據(jù)分布的時(shí)域波形如圖1所示。

以圖1的英語(yǔ)教學(xué)能力評(píng)估的指標(biāo)參數(shù)大數(shù)據(jù)統(tǒng)計(jì)結(jié)果為研究對(duì)象，進(jìn)行數(shù)據(jù)聚類和信息融合處理，實(shí)現(xiàn)教學(xué)能力評(píng)估。表1給出了評(píng)估的準(zhǔn)確性等指標(biāo)的測(cè)試結(jié)果，分析得知，采用本文方法進(jìn)行教學(xué)能力評(píng)估的準(zhǔn)確性較高，教學(xué)資源的利用率較好。

4 結(jié) 語(yǔ)

本文研究了英語(yǔ)教學(xué)能力評(píng)估優(yōu)化模型，提出一種基于大數(shù)據(jù)模糊K均值聚類和信息融合的英語(yǔ)教學(xué)能力估計(jì)方法，構(gòu)建英語(yǔ)教學(xué)能力評(píng)估分析的約束參量指標(biāo)分析模型，采用定量遞歸分析方法進(jìn)行英語(yǔ)教學(xué)能力評(píng)估的大數(shù)據(jù)信息模型分析，實(shí)現(xiàn)英語(yǔ)教學(xué)能力約束特征信息的熵特征提取，結(jié)合大數(shù)據(jù)信息融合和K均值聚類算法實(shí)現(xiàn)英語(yǔ)教學(xué)能力的指標(biāo)參數(shù)聚類和整合，以此為基礎(chǔ)編制相應(yīng)的教學(xué)資源分配計(jì)劃，實(shí)現(xiàn)英語(yǔ)教學(xué)能力評(píng)估。研究得知，本文方法進(jìn)行英語(yǔ)教學(xué)能力評(píng)估的準(zhǔn)確性較好，提高了英語(yǔ)教學(xué)資源的利用效率。

參考文獻(xiàn)

[1] 何力，丁兆云，賈焰，等.大規(guī)模層次分類中的候選類別搜索[J].計(jì)算機(jī)學(xué)報(bào)，2014，37（1）：41?49.

[2] 周潤(rùn)物，李智勇，陳少淼，等.面向大數(shù)據(jù)處理的并行優(yōu)化抽樣聚類K?means算法[J].計(jì)算機(jī)應(yīng)用，2016，36（2）：311?315.

[3] DENG Z， CAO L， JIANG Y， et al. Minimax probability TSK fuzzy system classifier： a more transparent and highly interpretable classification model [J]. IEEE transactions on fuzzy systems， 2015， 23（4）： 813?826.

[4] ZARINBAL M， ZARANDI M H F， TURKSEN I B. Relative entropy fuzzy c?means clustering [J]. Information sciences， 2014， 260（1）： 74?97.

[5] 李斌，王勁松，黃瑋.一種大數(shù)據(jù)環(huán)境下的新聚類算法[J].計(jì)算機(jī)科學(xué)，2015，42（12）：247?250.

[6] 胡俊，胡賢德，程家興.基于Spark的大數(shù)據(jù)混合計(jì)算模型[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2015，24（4）：214?218.endprint