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

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

貝葉斯分類概述

研究背景和意義國(guó)家對(duì)高職畢業(yè)生綜合素質(zhì)的要求?！秶?guó)家中長(zhǎng)期教育改革和發(fā)展規(guī)劃綱要（2010-2020）》：“建立健全職業(yè)教育質(zhì)量保障體系，吸收企業(yè)參加教育質(zhì)量評(píng)估。開展職業(yè)技能競(jìng)賽”《教育部關(guān)于推進(jìn)高等職業(yè)教育改革發(fā)展的若干意見》：各地各高等職業(yè)院校要加快完善人才培養(yǎng)質(zhì)量保障體系，…，將畢業(yè)生就業(yè)率、就業(yè)質(zhì)量、企業(yè)滿意度等作為衡量人才培養(yǎng)質(zhì)量的核心指標(biāo)。探索高職學(xué)生綜合素質(zhì)影響因子。構(gòu)建高職學(xué)生綜合素質(zhì)預(yù)測(cè)評(píng)價(jià)模型。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)的過程。數(shù)據(jù)挖掘中的分類問題數(shù)據(jù)分類（dataclassfication）的過程包括兩個(gè)步驟：建立分類模型和利用模型對(duì)數(shù)據(jù)進(jìn)行分類。訓(xùn)練數(shù)據(jù)分類算法分類規(guī)則（a）學(xué)習(xí)分類規(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（b）分類數(shù)據(jù)挖掘中的分類問題常用的幾種分類方法數(shù)據(jù)挖掘中的分類決策樹神經(jīng)網(wǎng)絡(luò)模糊集遺傳粗糙集貝葉斯分類概述貝葉斯分類器的分類原理是通過某對(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)象屬于某一類的概率，選擇具有最大后驗(yàn)概率的類作為該對(duì)象所屬的類。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)和貝葉斯網(wǎng)絡(luò)

貝葉斯理論基礎(chǔ)

貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)

貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)

貝葉斯分類器貝葉斯理論基礎(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)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）貝葉斯理論基礎(chǔ)貝葉斯定理在貝葉斯定理中，稱為H=h的似然度，有時(shí)記為。貝葉斯定理之所以有用是因?yàn)樗迫欢韧菀撰@得，而后驗(yàn)概率則不然，后驗(yàn)概率則要通過一番推理計(jì)算才能得到。貝葉斯網(wǎng)絡(luò)定義

JudeaPearl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)特性一種不定性因果關(guān)聯(lián)模型具有強(qiáng)大的不確定性問題處理能力能有效地進(jìn)行多源信息表達(dá)與融合數(shù)據(jù)分析方面的優(yōu)點(diǎn)：（1）簡(jiǎn)化了模型的描述（2）善于處理不確定的觀察數(shù)據(jù)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)算法算法名稱網(wǎng)絡(luò)類型節(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)。貝葉斯分類器

圖2.2樸素貝葉斯分類模型圖2.3TAN模型圖2.4BAN模型圖2.5BMN模型圖2.6GBN模型人才培養(yǎng)質(zhì)量監(jiān)控系統(tǒng)模型開發(fā)軟件設(shè)計(jì)與開發(fā)技術(shù)基于Web的應(yīng)用系統(tǒng)實(shí)現(xiàn)軟件設(shè)計(jì)與開發(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)分析倉庫圖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)與開發(fā)技術(shù)

軟件開發(fā)平臺(tái)架構(gòu)：B/S架構(gòu)數(shù)據(jù)庫：SQLServer2005系統(tǒng)運(yùn)行環(huán)境：Win2003server+IIS6.0+IE7.0基于Web的應(yīng)用系統(tǒng)實(shí)現(xiàn)

瀏覽器Web服務(wù)器OLAPDMEIS應(yīng)用程序數(shù)據(jù)集成數(shù)據(jù)倉庫表示層應(yīng)用層數(shù)據(jù)層圖3.2基于web的數(shù)據(jù)倉庫系統(tǒng)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)管理頁面。班級(jí)管理員輸入正確的班級(jí)名稱和密碼后進(jìn)入班級(jí)管理頁面。班級(jí)管理員可以給管理員和每位學(xué)生發(fā)表留言，同時(shí)可以分析某學(xué)期單個(gè)學(xué)生成績(jī)、全班某單科成績(jī)和全班全部科目成績(jī)。班級(jí)管理員只有查看和分析學(xué)生成績(jī)的權(quán)限沒有修改成績(jī)的權(quán)限，但在校級(jí)超級(jí)管理員的授權(quán)下可以修改學(xué)生的基本信息。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)管理員分為超級(jí)管理員和普通管理員兩大類，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)庫構(gòu)建學(xué)生基本信息庫IdStudentidNameClassid……專業(yè)班級(jí)庫IdClassnameClassidDepartid……課程數(shù)據(jù)庫IdcoursetidcoursenameClassid……學(xué)生成績(jī)庫IdStudentidClassidScores……學(xué)生留言庫IdStudentidClassidAdmin……管理員庫Idadminidadminnamepwd……系部庫Iddepartiddepartname圖4.1學(xué)生信息數(shù)據(jù)庫關(guān)系圖人才培養(yǎng)質(zhì)量監(jiān)控與評(píng)價(jià)模型構(gòu)建利用貝葉斯網(wǎng)絡(luò)分類器建立分類模型畢業(yè)生信息數(shù)據(jù)樣本用一個(gè)8維特征向量來X={X1，X2，…，X8}表示，分別描述以下8個(gè)變量因素（文化課平均成績(jī)、專業(yè)課平均成績(jī)、獎(jiǎng)學(xué)金、大學(xué)英語水平、技能等級(jí)證書、學(xué)生干部、政治面貌、綜合素質(zhì)）。

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（D）大學(xué)英語水平（E）學(xué)生干部（G）政治面貌（Z）綜合素質(zhì)（R）20060100176.2477.5801011220060100282.2983.9511001220060100376.7176.4701101220060100474.8872.8900000120060100576.2977.7901101220060100676.2979.7401001220060100779.8883.0511101220060101678.1880.9511100220060101783.0686.7911111220060101876.7178.5311101220060101979.94