模糊综合评价法
模糊綜合評價法
是一種基于模糊數學的綜合評價方法，根據模糊數學的隸屬度理論把定性評價轉化為定量評價，即用模糊數學對受到多種因素制約的事物或對象做出一個總體的評價，具有結果清晰，系統性強的特點，能較好的解決模糊，難以量化的問題，適合各種非確定性問題的解決
而課程評價是一種多評價因素，多評價方法的操作，而不能僅以好壞來區分，因此 使用模糊綜合評價法來進行定量評價
課模糊綜合評價模型
確定評價因素集
本次課程評價中，評價因素集分為兩級評價指標
以及評價因素集為：
U={課程內容，課程方式，課程設計，課程目標}={U1,U2,U3,U4}
對一級評價指標進行細分，從而可以確定二級評價因素集為：
U1={U11,U12,U13,U14}
U2={U21,U22,U23,U24}
U3={U31,U32,U33,U34}
U4={U41,U42,U43,U44}
確定評語集
分為四個等級：優，良，中，差，具體對應分數為90-100，70-90，50-70，50以下
確定評價因素權重
根據“專家評估法”確定某一個評價因素在所有因素中的相對重要程度即權重
一級指標權重分別為W={0.3，0.2，0.2，0.3}
二級指標權重分別為W1={0.3，0.3，0.1，0.3}，W2={0.2，0.2，0.2，0.4}，W3={0.3，0.2，0.2，0.3}，W4={0.2，0.1，0.5，0.2}
確定評價因素隸屬度
對于評價因素集中的每個評價因素，根據收集到的學生評價數據，可以確定它的隸屬度，將所有學生的評價放到一個矩陣中，就得到了模糊矩陣
其中，Uij指評價因素Ui對評語集Uj隸屬程度
確定模糊合成算子方法
利用的方法是M(^,v)
確定課程評價模型
確定了權重向量，模糊矩陣之后，利用模糊矩陣運算，建立課程評價模型
因為我們設計的課程評價因素集為二級評價模型，因此評價時從二級因素開始，先給出二級因素的評價矩陣，之后疊加結果有一級因素的評價向量，對一級因素評價結果總計匯總獲得評價矩陣，最終得到評價結果
分別獲得在不同的因素下的模糊矩陣：
1） 課程內容因素下
假如100個人評價
優秀 良好 中等 較差
內容的全面性 70 20 10 0
知識的正確性 60 20 10 10
目的明確性 50 40 10 0
理論與實際相結合 40 30 20 10
則模糊矩陣為
[0.7 0.2 0.1 0.0]
R1= [0.6 0.2 0.1 0.1] 而W1=（0.3，0.3，0.1，0.3）
[0.5 0.4 0.1 0.0]
[0.4 0.3 0.2 0.1]
即B=W1R1 利用“M（^,v）模糊合成算子方法”先將W1中的第一個元素和R1中的第一行第一列的元素取最小值，W1中的第二個元素和R1中的第二行第一列的元素取最小值，W1中的第三個元素和R1中的第三行第一列的元素取最小值，W1中的第四個元素和R1中的第四行第一列的元素取最小值，依次類推可以得到一個
[0.3 0.2 0.1 0.0]
矩陣 [0.3 0.2 0.1 0.1]
[0.1 0.1 0.1 0.0]
[0.3 0.3 0.2 0.1]
然后再將每一列取最大元素得到數列B1即（0.3，0.3，0.2，0.1）
2）課程方式因素下
優秀 良好 中等 較差
方式的針對性 70 10 10 10
方式的靈活性 80 10 0 10
方式的多元化 90 10 0 0
注重師生交流 90 0 10 0
同樣可以得到一個數列B2=W2R2=（0.4，0.1，0.1，0.1）
3）課程設計因素下
優秀 良好 中等 較差
任務的明確性 60 20 20 0
對象的復雜性 80 10 10 0
過程的詳細性 90 0 0 10
評價的重要性 100 0 0 0
B3=W3*R3=（0.3，0.2，0.2，0.1）
4）課程目標因素下
優秀 良好 中等 較差提升專業知識的認知 50 30 10 0
提升學生的興趣 40 30 20 10
提升學生的學習能力 60 30 0 10
提升學生的專業素養 50 20 0 30
B4=W4*R4=(0.5，0.3，0.2，0.1)
所以最后得到一個矩陣 [0.3 0.3 0.2 0.1]
B，= [0.4 0.1 0.1 0.1]
[0.3 0.2 0.2 0.1]
[0.5 0.3 0.2 0.1]
所以最終得到的Z=WB，同樣利用模糊算法即可得到數列Z=（0.3，0.3，0.2，0.1）
假如定義優秀為90分，良好為70分，中等為50分，較差為30分，則可定義
{90}
P= {70} 最終分數為ZP=0.390+0.370+0.250+0.130=61分
{50}
{30}
總結
- 上一篇： 解决stackoverflow打开慢不能
- 下一篇： 第七章 scikit-learn与机器学