基于二叉樹支持向量機(jī)的高職高專院校教學(xué)評價(jià)研究

姜賽達(dá)

摘要：為提高高職高專院校教學(xué)質(zhì)量的評價(jià)精度和效率，結(jié)合高職高專院校教學(xué)過程和評價(jià)體系，提出基于歐氏距離的二又樹支持向量機(jī)（Distance binary tree SVM，簡稱DBT-SVM）算法的高職高專院校教學(xué)質(zhì)量評價(jià)模型。該模型中的算法結(jié)合了聚類中的關(guān)于類距離的概念，是二叉樹支持向量機(jī)的改進(jìn)算法，使最先分離出的類在上層節(jié)點(diǎn)處分開。經(jīng)過實(shí)例測試，該算法相比其他算法在識別率和分類訓(xùn)練時(shí)間都有所提升。該模型可以滿足高職高專院校教學(xué)質(zhì)量的評價(jià)要求。

關(guān)鍵詞：教學(xué)質(zhì)量；評價(jià)模型；支持向量機(jī)；二叉樹

中圖分類號：TP301.6 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2018）24-0104-03

1 引言

高職高專院校教學(xué)質(zhì)量不僅是高職高專院校教育質(zhì)量的重要組成部分，而且影響高職高專院校培養(yǎng)人才的質(zhì)量。在高職高專院校培養(yǎng)人才的過程中，教學(xué)過程起著舉足輕重的作用。而教學(xué)質(zhì)量評價(jià)直接影響著教師的教學(xué)成效和學(xué)生學(xué)習(xí)效果的評價(jià)，同時(shí)對高職高專院校所進(jìn)行的多樣性的教育教學(xué)課程改革的成效性的評定起著重要的指標(biāo)作用[1]，因此建立一個(gè)快速準(zhǔn)確有效客觀的教學(xué)質(zhì)量評價(jià)體系模型是非常有必要的和具有重要意義的[2]。在建立教學(xué)質(zhì)量評價(jià)模型的過程中，有很多因素影響著評價(jià)模型，其中不同的因素影響的程度不一樣。這就需要我們在建立評價(jià)模型的過程中不僅要對評價(jià)模型組成的各個(gè)要素細(xì)致選擇，而且要對它們的組合方式進(jìn)行綜合考量。

針對高職高專院校教學(xué)質(zhì)量評價(jià)模型的構(gòu)建，依據(jù)各自評價(jià)指標(biāo)的側(cè)重不同所采用的理論模型也各不相同。其中最有成效和突出表現(xiàn)的是采用神經(jīng)網(wǎng)絡(luò)方法構(gòu)建的教學(xué)質(zhì)量評價(jià)模型[3]。在神經(jīng)網(wǎng)絡(luò)中，由于采用了自組織學(xué)習(xí)擬合這種方法，因此這種方法采用的評價(jià)指標(biāo)非常貼合高職高專院校教學(xué)質(zhì)量的評價(jià)指標(biāo)。同時(shí)神經(jīng)網(wǎng)絡(luò)方法在處理信息上具有多種優(yōu)點(diǎn)，在并行處理以及容錯(cuò)程度上具有明顯的優(yōu)勢。但是由于神經(jīng)網(wǎng)絡(luò)自身方法上的局限性，在局部最小點(diǎn)容易出現(xiàn)問題等，因此在實(shí)際使用時(shí)，經(jīng)常出現(xiàn)評價(jià)結(jié)果和實(shí)際結(jié)果出現(xiàn)較大的差距，并且運(yùn)行時(shí)間比較長等問題。除了神經(jīng)網(wǎng)絡(luò)方法外，還有采用了專家系統(tǒng)、灰色理論以及線性回歸等多種方法。這些方法在實(shí)際使用中有各種各樣的缺陷[4]。

為解決以上的缺陷，結(jié)合高職院校教育和課程教學(xué)的特點(diǎn)和評價(jià)方法，提出了基于DBT-SVM多類別分類算法的高職院校教學(xué)效果評價(jià)方法。

2二叉樹支持向量機(jī)

2.1二叉樹支持向量機(jī)

支持向量機(jī)（SVM）最開始的設(shè)計(jì)是面向二分類問題，而高職高專院校教學(xué)質(zhì)量評價(jià)是多類分類問題，所以采用將多個(gè)二類分類器用不同的方式進(jìn)行組合的方法來解決多類分類問題。但是這種方法會由于樣本類別數(shù)目的增多而處理時(shí)間急劇上升，同時(shí)也會因?yàn)榇嬖诓豢煞值膮^(qū)域從而降低分類的準(zhǔn)確度，同時(shí)也降低了分類的效率。

為了克服了以上算法的缺陷，提出基于二又樹的SVM多類分類算法（Binary Tree SVM，簡稱BT-SVM），通過構(gòu)造二叉樹的方式比較類別間的類間距離，就是在分類過程中重復(fù)地將所有類別分成兩個(gè)類，然后將每個(gè)類再分成兩個(gè)類，直到分類結(jié)束[5]。與上述算法相比，一個(gè)是所有區(qū)域都可分類，另一個(gè)是處理時(shí)間減少。

但是在實(shí)際情況當(dāng)中，由于樣本的數(shù)量不大，怎樣使二叉樹的結(jié)構(gòu)比較合理和分離出節(jié)點(diǎn)，而又盡可能地達(dá)到完全的狀態(tài)，從而提高算法的性能。在BT-SVM算法的基礎(chǔ)上，基于歐氏距離提出改進(jìn)的二叉樹支持向量機(jī)（Distance Binary Tree SVM，簡稱DBT-SVM）多類分類算法。該算法是二叉樹支持向量機(jī)的改進(jìn)算法，結(jié)合了聚類中的類距離概念使兩組樣本最大化。 同時(shí)，結(jié)合近似完全二叉樹的概念使得第一個(gè)分離的類在上層節(jié)點(diǎn)處分離。

2.2算法描述

3基于二叉樹支持向量機(jī)的高職高專院校教學(xué)質(zhì)量評價(jià)模型

3.1構(gòu)建高職高專院校教學(xué)質(zhì)量評價(jià)體系

針對高職高專院校教學(xué)質(zhì)量評價(jià)的評價(jià)體系有多種理論和方法，每種理論和方法都有各自的側(cè)重點(diǎn)。本文結(jié)合了多種方法的優(yōu)點(diǎn)提出以教師和學(xué)生為兩大主體，兩大主體采用多個(gè)指標(biāo)。具體指標(biāo)如圖1所示。

3.2基于二叉樹支持向量機(jī)的高職高專院校教學(xué)質(zhì)量評價(jià)工作步驟

結(jié)合高職高專院校的教學(xué)過程和評價(jià)指標(biāo)體系，基于改進(jìn)的二叉樹支持向量機(jī)，將多個(gè)二叉樹支持向量機(jī)分類器組合在一起，從而得到高職高專院校教學(xué)質(zhì)量評價(jià)工作流程，如圖2所示。

4教學(xué)質(zhì)量評價(jià)的測試實(shí)驗(yàn)

4.1數(shù)據(jù)來源

選擇商丘職業(yè)技術(shù)學(xué)院的課堂教學(xué)效果作為研究對象，根據(jù)教學(xué)質(zhì)量評價(jià)指標(biāo)搜集樣本數(shù)據(jù)，由專家進(jìn)行教學(xué)質(zhì)量評估并結(jié)合具體實(shí)際得到教學(xué)質(zhì)量等級值。由此得到150個(gè)樣本。其中，x1表示代課次數(shù)，x2表示批改作業(yè)次數(shù)，依次類推，x13表示講課的條理性、層次性，y表示教學(xué)質(zhì)量。部分?jǐn)?shù)據(jù)如表1所示。

4.2結(jié)果與分析

分別將SVM、BT-SVM和DBT-SVM這三種算法對實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行分類測試，分別得到這三個(gè)算法的準(zhǔn)確率結(jié)果。實(shí)驗(yàn)結(jié)果顯示，在預(yù)測準(zhǔn)確率上，DBT-SVM算法要高于SVM和BT-SVM算法。DBT-SVM算法避免了在BT-SVM算法中由于偏二叉樹中結(jié)構(gòu)中的錯(cuò)誤累計(jì)而造成的現(xiàn)象，同時(shí)避免了SVM算法中因?yàn)榇嬖诓豢煞值膮^(qū)域，從而降低分類的準(zhǔn)確度。DBT-SVM算法結(jié)合了聚類中的關(guān)于類距離的概念，以及近似完全二叉樹的概念使得最先分離出的類在上層節(jié)點(diǎn)處分開，從而提高劃分準(zhǔn)確度。實(shí)驗(yàn)結(jié)果如表2所示。

為了統(tǒng)計(jì)實(shí)驗(yàn)中這三種算法的時(shí)間消耗，分別用這三種算法對數(shù)據(jù)集進(jìn)行10次實(shí)驗(yàn)，取其平均值得到結(jié)果。如表3所示。

實(shí)驗(yàn)結(jié)果顯示DBT-SVM算法相比SVM算法在時(shí)間上優(yōu)勢比較明顯，但是跟BT-SVM算法相比在時(shí)間上相比并不明顯。主要是因?yàn)閷?shí)驗(yàn)樣本數(shù)據(jù)的數(shù)量和類別比較少。有理由相信，隨著數(shù)據(jù)量和類別的增加，在時(shí)間效率上，DBT-SVM算法跟BT-SVM算法相比會有較為明顯的優(yōu)勢。

5 結(jié)論

高職高專院校教學(xué)質(zhì)量不僅影響著高職高專院校教育質(zhì)量，而且影響高職高專院校培養(yǎng)人才的質(zhì)量。為提高高職高專院校教學(xué)質(zhì)量的評價(jià)精度和效率，結(jié)合高職高專院校教學(xué)過程和評價(jià)體系，本文提出了基于DBT-SVM多類別分類算法的高職院校教學(xué)效果評價(jià)方法。該模型基于歐氏距離的二叉樹支持向量機(jī)多類分類算法，是二叉樹支持向量機(jī)的改進(jìn)算法。該算法結(jié)合了聚類中的關(guān)于類距離的概念，同時(shí)結(jié)合近似完全二叉樹的概念使得最先分離出的類在上層節(jié)點(diǎn)處分開。經(jīng)過實(shí)例測試，該算法相比其他算法在識別率和分類訓(xùn)練時(shí)間都有所提升。該模型可以滿足高職高專院校教學(xué)質(zhì)量的評價(jià)要求。

參考文獻(xiàn)：

[1] 高等教育大眾化條件下教學(xué)質(zhì)量評價(jià)體系研究現(xiàn)狀[J]. 劉強(qiáng)，戴起勛. 江蘇大學(xué)學(xué)報(bào)（高教研究版），2003（2）.

[2] 關(guān)于高職高專院校教學(xué)質(zhì)量管理與監(jiān)控體系建設(shè)的探析[J]. 李巧林，鄭傳寧，王章豹. 合肥工業(yè)大學(xué)學(xué)報(bào)（社會科學(xué)版），2001（3）.

[3] 汪旭暉，黃飛華. 基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價(jià)模型及應(yīng)用[J]. 高等工程教育研究，2007（5）

[4] 劉偉，孫林. 基于支持向量機(jī)的課堂教學(xué)質(zhì)量評價(jià)[J]. 合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版） ，2010，33（7）：968-971.

[5] 宋召青，陳垚.基于支持向量機(jī)的多類分類算法綜述[J]. 海軍航空工程學(xué)院學(xué)報(bào)，2015（5）.

【通聯(lián)編輯：王力】