论文部分内容阅读
教师教学水平的评估是教育评估的核心问题之一。本研究将支持向量机多分类方法引入教学水平评估任务之中,利用支持向量机将线性模糊不可分的样本映射到高维空间使之具有线性可分特性,从本质上避开了从归纳到演绎的传统过程,简化了非线性问题的分类过程;结构风险最小化理论保证分割的全局最优化,降低期望风险。该方法充分利用支持向量机的小样本学习的高效性,实现了优秀的学习效果,减少了传统评价方法中的分歧误差和主观性因素的影响,更加符合宏观取向的评价结论。该研究成果可与信息熵、模糊数学等研究方法相结合,进一步增强数据拟合的精度,