基于NET的学生评优系统的设计与实现

按照软件工程的思想,以学生评优的自动化为目标,设计并开发了基于.NET的学生评优系统.该系统使学院评优工作更加高教、准确和公平.在分析系统需求的基础上.通过统一过程开发方法,使用UML的建模工具建立了学生评优系统的功能模型和数据库模型,绘制了建模过程中所采用的主要UML图.     

评优工作的标准化

本文根据数理统计的理论，利用标准分来表达每一个学生在智育、德育、体育方面的成绩，最后以综合标准分确定名次排列，作为评优工作的客观依据．     

层次分析方法在学生评优中的应用

利用层次分析的方法，研究了学生成绩评优的问题，通过模型的分析，可以较公正地对学生进行排序，为奖学金、优秀学生的评价，提供较科学的方法。     

学生评优问题的层次分析模型

针对高校的学生公平评优问题，提出了经典评优准则下的AHP模型．采用问卷形式对本科生进行准则重要程度的调查，综合问卷情况得到层次分析的判断矩阵，实现量化评优决策．对应实际进行检验，发现结果与实际相符，且体现出了高校的教育宗旨．     

决策树在高职学生就业数据分析中的应用研究

历年学生就业积累的大量数据信息,运用数据挖掘算法中的C4.5决策树算法对所给数据进行分类和预测。通过实例给出了该算法在高职高专就业工作中的应用,找出影响学生就业的主要因素。     

决策树算法在数据挖掘中研究与应用

随着社会的发展、经济的进步，各行各业对可视化数据挖掘需求越来越高。本文介绍了可视化数据挖掘的相关概念，分析了在可视化数据挖掘中决策树算法的相关理论，并预测了可视化数据挖掘的发展。     

当代大学生评优工作探究

进入新世纪以来,社会发展愈加迅速,对人才的需求量也随之增加,对人才的要求也随之提高。如何培养出综合能力强的人才是我国高等教育改革中的重要问题。我国的高等教育将如何建立科学简便的人才评价体系,也是大学学生工作的重要议题。     

完善学生评奖评优工作，促进高校廉政文化建设

学生评奖评优工作是高校的常规工作之一。它关乎学生的切身利益,同时在促进学生发展、形成良好学风等方面起着重要作用,因而受到师生的广泛关注。随着近年来奖励力度增大,此项工作的防腐倡廉任务日益艰巨。本文就如何系统、规范地开展学生评奖评优工作以防止腐败现象出现等进行了探讨。     

决策树方法在学生成绩分析中的应用

决策树方法是数据挖掘技术中一个活跃的研究领域,该文采用决策树方法对学生成绩进行分析,以快速找到影响学生成绩的原因,有利于提高教学质量．     

基于AHP模糊综合评价法在学生评优评先过程中的应用研究

优秀学生和先进个人的评选在高校学生工作中具有重要意义，如何科学合理的进行评选，使评选结果尽可能科学合理化，这是本论文研究的主要出发点。     

模糊决策树在电力客户满意度评价中的应用

电力企业要树立“以客户满意为核心”的市场营销观念,建立合理、全面的评价指标体系,计算电力客户满意度指教则显得至关重要．借鉴国内外客户满意度相关理论,从供电质量、服务质量、公司形象与客户关系4个方面构建了电力客户满意度评价指标体系,并通过模糊决策树分析得出模糊规则,以便决策者及时准确地调整服务,提高用户满意度．     

基于并行决策树的微博互动数预测

社交网络的快速发展,微博成为主要的社交媒体平台,针对如何预测微博文本的未来互动数,对微博进行有效的分发控制的问题,提出一种基于并行决策树的微博互动数所属级数预测的方法。首先,对用户以往发表的微博进行用户特征和微博文本特征的处理;然后,使用并行决策树分类算法对训练数据进行分类模型的构建;最后使用得到的分类模型对新微博文本的互动数所属级数进行分类预测。通过对比算法的实验,验证了所提方法具有较高的分类精度和较好的可扩展性,能够对微博所属级数进行有效的分类预测。     

ID3决策树改进算法在学习系统中的应用研究

通过对决策树的ID3算法进行改进,例如引用泰勒公式与麦克劳林公式对E（ A）公式进行降维,以及利用对属性水平加权的思想来选取值等手段,能够挖掘出较好的、可信度更高的规则信息。     

基于决策树算法的Web服务分类的研究

Web服务(Web Services)是计算机网络技术研究热点之一,主要用来研究应用程序在Internet上实现互操作,拓展应用程序的功能。近年来,电子商务迅速崛起,Web服务数量不断增加,很多Web服务提供的功能是相似的,用户难以找到最适合自身需求的Web服务。使用决策树ID3算法,分析影响Web服务功能的质量参数,将其作为属性特征,得到Web服务的分类,帮助用户更好地选择合适的Web服务。     

Predicting student evaluations of teaching using decision tree analysis

Abstract

This study uses decision tree analysis to determine the most important variables that predict high overall teaching and course scores on a student evaluation of teaching (SET) instrument at a large public research university in the United States. Decision tree analysis is a more robust and intuitive approach for analysing and interpreting SET scores compared to more common parametric statistical approaches. Variables in this analysis included individual items on the SET instrument, self-reported student characteristics, course characteristics and instructor characteristics. The results show that items on the SET instrument that most directly address fundamental issues of teaching and learning, such as helping the student to better understand the course material, are most predictive of high overall teaching and course scores. SET items less directly related to student learning, such as those related to course grading policies, have little importance in predicting high overall teaching and course scores. Variables irrelevant to the construct, such as an instructor’s gender and race/ethnicity, were not predictive of high overall teaching and course scores. These findings provide evidence of criterion and discriminant validity, and show that high SET scores do not reflect student biases against an instructor’s gender or race/ethnicity.     

基于不确定数据决策树分类算法的软件外包评价模型

经典决策树算法不能处理树构建和分类过程中的不确定数据,针对这一局限,提出基于概率分布的方法,把决策树分类技术扩展到含有不确定数据的环境中。然后,针对软件外包评价中普遍存在着不确定数据,应用决策树分类方法,对软件外包公司进行客观评价。实验表明,本文提出的基于不确定数据的决策树分类算法能够实现对软件外包评价的定量研究。     

决策分析的发展和应用

在回顾决策分析理论发展历史的基础上,给出了决策分析的研究领域和研究方向。决策分析的几个基本研究分支为主观概率估计、效用理论、群决策、多目标决策、竞争性决策等,通过对各分支的发展简史、应用状况和方向的回顾和分析,强调决策分析在决策科学和管理科学发展中的基础性作用。     

基于分类的机器学习方法中的决策树算法

阐述数据挖掘的分类及目的,总结分类器的构造方法,讲述分类中决策树的构建和修剪.     

模糊意见集中决策方法及应用研究

决策是在人们生活和工作中普遍存在的一种活动，是为解决当前或未来问题选择最佳方案的过程．模糊决策的目的是要把论域中的对象按优劣进行排序，或者按某种方法从论域中选择一个“令人满意”的方案．     

浅析高校学生评奖评优工作方法探究

大学生评奖评优工作是高校学生管理重要工作,但在执行过程却存在一些困难,需要学管人员以强烈的责任心,并严格按照程序进行,掌握方法和技巧,找到相应的对策;采取数据量化管理,以实现评优评奖公平公正,做好学生管理工作,进而实现育人之目的。