高職院校人才培養(yǎng)質(zhì)量監(jiān)控與評(píng)價(jià)系統(tǒng)研究課件

1、高職院校人才培養(yǎng)質(zhì)量監(jiān)控與評(píng)價(jià)系統(tǒng)研究 答辯人: 張磊導(dǎo) 師: 王浩教授概 述貝葉斯理論基礎(chǔ)和貝葉斯網(wǎng)絡(luò) 人才培養(yǎng)質(zhì)量監(jiān)控系統(tǒng)模型開(kāi)發(fā) 人才培養(yǎng)質(zhì)量監(jiān)控與評(píng)價(jià)預(yù)測(cè)模型設(shè)計(jì) 總結(jié)與展望 主要內(nèi)容概 述研究背景和意義數(shù)據(jù)挖掘概述 貝葉斯分類(lèi)概述 數(shù)據(jù)挖掘概述 1989年第11屆國(guó)際聯(lián)合人工智能學(xué)術(shù)會(huì)議：KDD概念的提出。1995年美國(guó)計(jì)算機(jī)年會(huì)：提出數(shù)據(jù)挖掘的概念 。數(shù)據(jù)挖掘就是從大量的、各種類(lèi)型的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。 數(shù)據(jù)挖掘中的分類(lèi)問(wèn)題數(shù)據(jù)分類(lèi)（data classfication）的過(guò)程包括兩個(gè)步驟

2、：建立分類(lèi)模型和利用模型對(duì)數(shù)據(jù)進(jìn)行分類(lèi)。訓(xùn)練數(shù)據(jù)分類(lèi)算法分類(lèi)規(guī)則（a）學(xué)習(xí)分類(lèi)規(guī)則測(cè)試數(shù)據(jù)新數(shù)據(jù)模型評(píng)估新數(shù)據(jù)分類(lèi)（b）分類(lèi)數(shù)據(jù)挖掘中的分類(lèi)問(wèn)題常用的幾種分類(lèi)方法 數(shù)據(jù)挖掘中的分類(lèi)決策樹(shù)神經(jīng)網(wǎng)絡(luò)模糊集遺傳粗糙集貝葉斯分類(lèi)概述 貝葉斯分類(lèi)器的分類(lèi)原理是通過(guò)某對(duì)象的先驗(yàn)概率，利用貝葉斯公式計(jì)算出其后驗(yàn)概率，即該對(duì)象屬于某一類(lèi)的概率，選擇具有最大后驗(yàn)概率的類(lèi)作為該對(duì)象所屬的類(lèi)。貝葉斯公式：P( C = ci | X = x) = P( X = x | C = ci) * P( C = ci) / P( X = x) 貝葉斯理論基礎(chǔ)條件概率設(shè)A、B是兩個(gè)基本事件，且P (A) 0，則稱： 為事件A己發(fā)

3、生的條件下事件B發(fā)生的條件概率。 若表示事件的全集，根據(jù)條件概率的定義，則得出以下幾個(gè)性質(zhì)：（1）（2）若A和B互為排斥的兩個(gè)事件，則（3）貝葉斯網(wǎng)絡(luò)定義 Judea Pearl于1988年提出了貝葉斯網(wǎng)絡(luò)的概念，實(shí)質(zhì)上就是一種基于概率的不確定性推理網(wǎng)絡(luò)。它是用來(lái)表示變量集合連接概率的圖形模型，提供了一種表示因果信息的方法。 圖2.1 一個(gè)簡(jiǎn)單的貝葉斯網(wǎng)（a）各點(diǎn)間的依賴關(guān)系 （b）節(jié)點(diǎn)z的條件概率表 貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí) 表2.1 貝葉斯學(xué)習(xí)的分類(lèi)情況網(wǎng)絡(luò)結(jié)構(gòu)已知網(wǎng)絡(luò)結(jié)構(gòu)未知數(shù)據(jù)完備概率參數(shù)學(xué)習(xí)；簡(jiǎn)單統(tǒng)計(jì)估計(jì)；MLE方法；貝葉斯方法找最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)：MDL、BDe等評(píng)分標(biāo)準(zhǔn)，啟發(fā)式搜索、模擬退

4、火搜索等算法數(shù)據(jù)不完備找到最優(yōu)概率參數(shù)；EM算法、基于梯度方法、蒙特卡洛方法，高斯算法，BC算法既要找最佳結(jié)構(gòu)，又要求出最優(yōu)參數(shù)，有結(jié)構(gòu)EM算法，混合模型等貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)基于評(píng)分的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)（1）模型選擇 模型選擇部分要制定模型選擇準(zhǔn)則，即評(píng)分函數(shù)。（最優(yōu)參數(shù)對(duì)數(shù)似然函數(shù)，家族CH評(píng)分，貝葉斯信息準(zhǔn)則評(píng)分） （2）模型優(yōu)化 模型優(yōu)化就是要根據(jù)模型選擇準(zhǔn)則，即評(píng)分函數(shù)，選擇出評(píng)分最高的網(wǎng)絡(luò)結(jié)構(gòu)，也就是搜索策略問(wèn)題。( K2算法，隨機(jī)重復(fù)爬山法，禁忌搜索，模擬退火，遺傳算法）貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)基于條件獨(dú)立性測(cè)試的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí) 表2.3 基于獨(dú)立性檢驗(yàn)的網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法算法名稱

5、網(wǎng)絡(luò)類(lèi)型節(jié)點(diǎn)序是否給出CI檢驗(yàn)的復(fù)雜性Wermuth-LauritzenBN給出O(N2)Boundary-DAGBN給出指數(shù)級(jí)SRABN部分有序指數(shù)級(jí)ConstructorMN未給出指數(shù)級(jí)貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí) EM算法 通過(guò)交替運(yùn)用期望步驟和最大化步驟，達(dá)到數(shù)據(jù)似然值的局部最優(yōu)化，其中期望步驟(E-step)是根據(jù)己有參數(shù)發(fā)現(xiàn)所期望的完整數(shù)據(jù)，最大化步驟(M-step)則重新估計(jì)參數(shù) 。（迭代調(diào)整參數(shù)的算法 ） EM算法的結(jié)果只能保證收斂到后驗(yàn)密度函數(shù)的穩(wěn)定點(diǎn)，并不能保證收斂到極大值點(diǎn) 。貝葉斯分類(lèi)器 圖2.2 樸素貝葉斯分類(lèi)模型圖2.3 TAN模型圖2.4 BAN模型圖2.5 BMN模型圖

6、2.6 GBN模型軟件設(shè)計(jì)與開(kāi)發(fā)技術(shù) 人才培養(yǎng)質(zhì)量監(jiān)控系統(tǒng)模型學(xué)籍管理系統(tǒng)成績(jī)管理系統(tǒng)學(xué)生查詢系統(tǒng)班級(jí)信息成績(jī)信息學(xué)籍信息數(shù)據(jù)分析倉(cāng)庫(kù)圖3.1 人才培養(yǎng)質(zhì)量監(jiān)控系統(tǒng)結(jié)構(gòu)圖軟件設(shè)計(jì)與開(kāi)發(fā)技術(shù) 軟件開(kāi)發(fā)平臺(tái) 架構(gòu)：B/S架構(gòu) 數(shù)據(jù)庫(kù)：SQL Server 2005 系統(tǒng)運(yùn)行環(huán)境：Win2003server+IIS6.0+IE7.0系統(tǒng)業(yè)務(wù)功能實(shí)現(xiàn) 系統(tǒng)構(gòu)成學(xué)籍管理系統(tǒng)學(xué)籍管理系統(tǒng)管理級(jí)別分為系統(tǒng)管理、校級(jí)管理、班級(jí)管理三個(gè)級(jí)別。系統(tǒng)管理主要對(duì)校級(jí)管理員進(jìn)行添加、權(quán)限設(shè)置、信息修改和刪除等操作，當(dāng)輸入正確的用戶名和密碼后即可登陸到系統(tǒng)管理頁(yè)面。成績(jī)管理系統(tǒng)采用校級(jí)管理和班級(jí)管理兩級(jí)管理體系。校級(jí)管理

7、員分為超級(jí)管理員和普通管理員兩大類(lèi)，超級(jí)管理員可以對(duì)普通管理員進(jìn)行添加、信息修改、刪除、權(quán)限設(shè)置等操作；普通管理員可以查看本系所有班級(jí)的成績(jī)信息，在權(quán)限允許的情況下提交和修改本系各班級(jí)的每學(xué)期各門(mén)課程的成績(jī)，對(duì)全班成績(jī)和各科目成績(jī)進(jìn)行分析和修改。 人才培養(yǎng)質(zhì)量監(jiān)控與評(píng)價(jià)預(yù)測(cè)模型設(shè)計(jì) 人才培養(yǎng)質(zhì)量監(jiān)控與評(píng)價(jià)模型構(gòu)建對(duì)學(xué)生實(shí)例進(jìn)行分類(lèi)預(yù)測(cè) 人才培養(yǎng)質(zhì)量監(jiān)控與評(píng)價(jià)模型構(gòu)建學(xué)生信息數(shù)據(jù)庫(kù)構(gòu)建學(xué)生基本信息庫(kù)IdStudentidNameClassid專業(yè)班級(jí)庫(kù)IdClassnameClassidDepartid課程數(shù)據(jù)庫(kù)IdcoursetidcoursenameClassid學(xué)生成績(jī)庫(kù)IdStudent

8、idClassidScores學(xué)生留言庫(kù)IdStudentidClassidAdmin管理員庫(kù)Idadminidadminnamepwd系部庫(kù)Iddepartiddepartname圖4.1 學(xué)生信息數(shù)據(jù)庫(kù)關(guān)系圖表4.1 畢業(yè)生信息訓(xùn)練樣本集合學(xué)號(hào)文化課平均成績(jī)（A）專業(yè)課平均成績(jī)（B）是否獲得獎(jiǎng)學(xué)金（J）是否獲得技能等級(jí)證書(shū)（D）大學(xué)英語(yǔ)水平（E）學(xué)生干部（G）政治面貌（Z）綜合素質(zhì)（R）20060100176.2477.5801011220060100282.2983.9511001220060100376.7176.4701101220060100474.8872.89000001200

9、60100576.2977.7901101220060100676.2979.7401001220060100779.8883.0511101220060101678.1880.9511100220060101783.0686.7911111220060101876.7178.5311101220060101979.9482.1111101220060102082.0686.2611101220060102170.0073.7401001120060102274.4178.8401101120060102381.1881.0511101220060102482.0681.21111012實(shí)例數(shù)

10、取500時(shí)得到的結(jié)構(gòu)圖為實(shí)例數(shù)取1000時(shí)得到的結(jié)構(gòu)圖為 畢業(yè)生綜合素質(zhì)評(píng)價(jià)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖 ARGZDEBJ對(duì)學(xué)生實(shí)例進(jìn)行分類(lèi)預(yù)測(cè) 實(shí)例分析表4.3 不同數(shù)據(jù)集下的分類(lèi)精度分析表訓(xùn)練數(shù)據(jù)集2010屆畢業(yè)生數(shù)據(jù)集2007-2010屆畢業(yè)生數(shù)據(jù)集訓(xùn)練集5103個(gè)樣本數(shù)據(jù)2448個(gè)樣本數(shù)據(jù)7591個(gè)樣本數(shù)據(jù)測(cè)試集1386個(gè)樣本數(shù)據(jù)1386個(gè)樣本數(shù)據(jù)1386個(gè)樣本數(shù)據(jù)分類(lèi)精度87.59%81.82%85.71%是否符合預(yù)期目標(biāo)是是是對(duì)學(xué)生實(shí)例進(jìn)行分類(lèi)預(yù)測(cè) 實(shí)驗(yàn)驗(yàn)證 準(zhǔn)備工作階段確定特征屬性獲取訓(xùn)練樣本對(duì)每個(gè)類(lèi)別計(jì)算P(Ri)對(duì)每個(gè)特征屬性計(jì)算所有劃分的條件概率對(duì)每個(gè)類(lèi)別計(jì)算P(X|Ri)P (Ri)

11、以P(X|Ri)P (Ri)最大項(xiàng)作為X的所屬類(lèi)別應(yīng)用階段圖4.3 樸素貝葉斯分類(lèi)流程圖對(duì)學(xué)生實(shí)例進(jìn)行分類(lèi)預(yù)測(cè) 實(shí)驗(yàn)驗(yàn)證 對(duì)學(xué)生實(shí)例進(jìn)行分類(lèi)預(yù)測(cè) 實(shí)驗(yàn)驗(yàn)證 表4.4 貝葉斯網(wǎng)絡(luò)分類(lèi)預(yù)測(cè)模型與樸素貝葉斯分類(lèi)預(yù)測(cè)模型對(duì)比分析表貝葉斯模型分類(lèi)預(yù)測(cè)樸素貝葉斯分類(lèi)預(yù)測(cè)樣本數(shù)據(jù)集某高職院校學(xué)生信息某高職院校學(xué)生信息訓(xùn)練集5103個(gè)樣本數(shù)據(jù)5103個(gè)樣本數(shù)據(jù)測(cè)試集1386個(gè)樣本數(shù)據(jù)1386個(gè)樣本數(shù)據(jù)分類(lèi)精度87.59%79.65%是否符合預(yù)期目標(biāo)是否提出了一個(gè)解決高職學(xué)生綜合素質(zhì)評(píng)價(jià)的思路確定影響高職學(xué)生綜合素質(zhì)的因素構(gòu)建高職院校學(xué)生綜合素質(zhì)評(píng)價(jià)預(yù)測(cè)模型總結(jié)與展望 進(jìn)一步研究（1）與預(yù)測(cè)模型對(duì)應(yīng)的應(yīng)用系統(tǒng)的實(shí)現(xiàn)將是下一步要做的重要