高职院校人才培养质量监控与评价系统研究

高职院校人才培养质量监控与评价系统研究

答辩人:张磊导师:王浩教授概述贝叶斯理论基础和贝叶斯网络人才培养质量监控系统模型开发人才培养质量监控与评价预测模型设计总结与展望

主要内容概述研究背景和意义数据挖掘概述

贝叶斯分类概述

研究背景和意义国家对高职毕业生综合素质的要求。《国家中长期教育改革和发展规划纲要（2010-2020）》：“建立健全职业教育质量保障体系，吸收企业参加教育质量评估。开展职业技能竞赛”《教育部关于推进高等职业教育改革发展的若干意见》：各地各高等职业院校要加快完善人才培养质量保障体系，…，将毕业生就业率、就业质量、企业满意度等作为衡量人才培养质量的核心指标。探索高职学生综合素质影响因子。构建高职学生综合素质预测评价模型。数据挖掘概述1989年第11届国际联合人工智能学术会议：KDD概念的提出。1995年美国计算机年会：提出数据挖掘的概念。数据挖掘就是从大量的、各种类型的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘中的分类问题数据分类（dataclassfication）的过程包括两个步骤：建立分类模型和利用模型对数据进行分类。训练数据分类算法分类规则（a）学习分类规则测试数据新数据模型评估新数据分类（b）分类数据挖掘中的分类问题常用的几种分类方法数据挖掘中的分类决策树神经网络模糊集遗传粗糙集贝叶斯分类概述贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。贝叶斯公式：P(C=ci|X=x)=P(X=x|C=ci)*P(C=ci)/P(X=x)贝叶斯理论基础和贝叶斯网络

贝叶斯理论基础

贝叶斯网络

贝叶斯网络的结构学习

贝叶斯网络的参数学习

贝叶斯分类器贝叶斯理论基础条件概率设A、B是两个基本事件，且P(A)>0，则称：为事件A己发生的条件下事件B发生的条件概率。若Ω表示事件的全集，根据条件概率的定义，则得出以下几个性质：（1）（2）若A和B互为排斥的两个事件，则（3）贝叶斯理论基础贝叶斯定理在贝叶斯定理中，称为H=h的似然度，有时记为。贝叶斯定理之所以有用是因为似然度往往容易获得，而后验概率则不然，后验概率则要通过一番推理计算才能得到。贝叶斯网络定义

JudeaPearl于1988年提出了贝叶斯网络的概念，实质上就是一种基于概率的不确定性推理网络。它是用来表示变量集合连接概率的图形模型，提供了一种表示因果信息的方法。图2.1一个简单的贝叶斯网（a）各点间的依赖关系

（b）节点z的条件概率表

贝叶斯网络特性一种不定性因果关联模型具有强大的不确定性问题处理能力能有效地进行多源信息表达与融合数据分析方面的优点：（1）简化了模型的描述（2）善于处理不确定的观察数据贝叶斯网络的结构学习表2.1贝叶斯学习的分类情况网络结构已知网络结构未知数据完备概率参数学习；简单统计估计；MLE方法；贝叶斯方法找最优网络结构：MDL、BDe等评分标准，启发式搜索、模拟退火搜索等算法数据不完备找到最优概率参数；EM算法、基于梯度方法、蒙特卡洛方法，高斯算法，BC算法既要找最佳结构，又要求出最优参数，有结构EM算法，混合模型等贝叶斯网络的结构学习基于评分的贝叶斯网络结构学习（1）模型选择模型选择部分要制定模型选择准则，即评分函数。（最优参数对数似然函数，家族CH评分，贝叶斯信息准则评分）（2）模型优化模型优化就是要根据模型选择准则，即评分函数，选择出评分最高的网络结构，也就是搜索策略问题。(K2算法，随机重复爬山法，禁忌搜索，模拟退火，遗传算法）贝叶斯网络的结构学习基于条件独立性测试的贝叶斯网络结构学习表2.3基于独立性检验的网络结构学习算法算法名称网络类型节点序是否给出CI检验的复杂性Wermuth-LauritzenBN给出O(N2)Boundary-DAGBN给出指数级SRABN部分有序指数级ConstructorMN未给出指数级贝叶斯网络的参数学习

EM算法通过交替运用期望步骤和最大化步骤，达到数据似然值的局部最优化，其中期望步骤(E-step)是根据己有参数发现所期望的完整数据，最大化步骤(M-step)则重新估计参数。（——迭代调整参数的算法）EM算法的结果只能保证收敛到后验密度函数的稳定点，并不能保证收敛到极大值点。贝叶斯分类器

图2.2朴素贝叶斯分类模型图2.3TAN模型图2.4BAN模型图2.5BMN模型图2.6GBN模型人才培养质量监控系统模型开发软件设计与开发技术基于Web的应用系统实现软件设计与开发技术

人才培养质量监控系统模型学籍管理系统成绩管理系统学生查询系统班级信息成绩信息学籍信息数据分析仓库图3.1人才培养质量监控系统结构图软件设计与开发技术

软件开发平台架构：B/S架构数据库：SQLServer2005系统运行环境：Win2003server+IIS6.0+IE7.0基于Web的应用系统实现

浏览器Web服务器OLAPDMEIS应用程序数据集成数据仓库表示层应用层数据层图3.2基于web的数据仓库系统系统业务功能实现

系统构成学籍管理系统学籍管理系统管理级别分为系统管理、校级管理、班级管理三个级别。系统管理主要对校级管理员进行添加、权限设置、信息修改和删除等操作，当输入正确的用户名和密码后即可登陆到系统管理页面。班级管理员输入正确的班级名称和密码后进入班级管理页面。班级管理员可以给管理员和每位学生发表留言，同时可以分析某学期单个学生成绩、全班某单科成绩和全班全部科目成绩。班级管理员只有查看和分析学生成绩的权限没有修改成绩的权限，但在校级超级管理员的授权下可以修改学生的基本信息。成绩管理系统采用校级管理和班级管理两级管理体系。校级管理员分为超级管理员和普通管理员两大类，超级管理员可以对普通管理员进行添加、信息修改、删除、权限设置等操作；普通管理员可以查看本系所有班级的成绩信息，在权限允许的情况下提交和修改本系各班级的每学期各门课程的成绩，对全班成绩和各科目成绩进行分析和修改。人才培养质量监控与评价预测模型设计

人才培养质量监控与评价模型构建对学生实例进行分类预测人才培养质量监控与评价模型构建学生信息数据库构建学生基本信息库IdStudentidNameClassid……专业班级库IdClassnameClassidDepartid……课程数据库IdcoursetidcoursenameClassid……学生成绩库IdStudentidClassidScores……学生留言库IdStudentidClassidAdmin……管理员库Idadminidadminnamepwd……系部库Iddepartiddepartname图4.1学生信息数据库关系图人才培养质量监控与评价模型构建利用贝叶斯网络分类器建立分类模型毕业生信息数据样本用一个8维特征向量来X={X1，X2，…，X8}表示，分别描述以下8个变量因素（文化课平均成绩、专业课平均成绩、奖学金、大学英语水平、技能等级证书、学生干部、政治面貌、综合素质）。

表4.1毕业生信息训练样本集合学号文化课平均成绩（A）专业课平均成绩（B）是否获得奖学金（J）是否获得技能等级证书（D）大学英语水平（E）学生干部（G）政治面貌（Z）综合素质（R）20060100176.2477.5801011220060100282.2983.9511001220060100376.7176.4701101220060100474.8872.8900000120060100576.2977.7901101220060100676.2979.7401001220060100779.8883.0511101220060101678.1880.9511100220060101783.0686.7911111220060101876.7178.5311101220060101979.94