高校课堂教学目前是各大高校教学的主要形式,它是高校教学的基础并且在教学过程中具有非常重要的作用。而课堂教学质量评价体系的建立和实施不仅对高校的教学发展理论有很大的帮助作用,更能保障高校课堂教学质量评价的顺利进行以及课堂教学活动发挥有效的作用。目前,传统的教学质量评价方式在只有学生参与的情况下,虽然已经取得了一定的成果,但是还有一些问题没有很好的解决,比如学生的主观因素对教师存在一定的偏见,使得评价结果出现误差,或者只注重评价结果而不能体现教师教学的过程,也会导致评价结果出现误差等等。而支持向量机(Support Vector Machines,简称SVMs)被引入教学质量评价之后,学生、同行和领导都参与评价,不仅能够避免人为因素对结果造成的误差还能充分体现教师的教学过程。另外教学质量评价是一种多类分类问题,最终选择支持向量机多类分类算法对本文的课堂教学质量评价结果进行预测。概括起来,本文的主要工作如下:(1)分析和总结了课堂教学质量评价的意义和传统的评价方法存在的缺陷。根据具体的需求和评价指标体系的构建原则,制定了课堂教学质量的评价指标体系。由于各指标之间存在非线性关系,因此,决定将支持向量机算法应用于课堂教学质量评价中,用来解决教学质量评价中可能遇到的问题。(2)介绍了目前常用的几种支持向量机多类分类算法,重点研究了二叉树支持向量机多类分类算法,并且针对已经存在算法生成的是偏二叉树的缺陷,提出了一种新的改进思想。改进算法利用完全二叉树的生成策略以及聚类中的类距离的相关定义,使得生成的二叉树结构达到完全或者近似完全的状态,从而提高分类精度和效率。最后通过在UCI数据集上做仿真实验,验证了改进算法的有效性。(3)利用改进的二叉树支持向量机多类分类算法,构建基于二叉树支持向量机的高校课堂教学质量评价模型,针对山东省某高校的教学质量进行评价,填写评价量表,并且统计、收集多组数据。在MATLAB环境下,对收集到的数据集进行实验,并分析其结果。将改进算法的预测精度和效率与支持向量机算法、二叉树支持向量机算法相比较,改进算法优势明显,能够更好的预测未标记样本。