基于粗糙集的高職學生非智力學習因素研究.pdf

1、近年來，高等院校實行擴招之后，其教育質(zhì)量問題備受社會的廣泛關(guān)注，特別是高職學院，學生的生源質(zhì)量逐年下降，其教育質(zhì)量更令人擔憂。一個學校的學生智力水平相差不是很多，哪些因素成為直接影響學生成績的關(guān)鍵所在?很值得我們研究。 粗糙集(Rough Sets，RS)理論是以波蘭數(shù)學家Z．Pawlak為代表的研究者提出的一種刻劃不完整性和不確定性的數(shù)學工具，是一種非常有效的數(shù)據(jù)挖掘方法。粗糙集理論的核心內(nèi)容是知識約簡。區(qū)分矩陣和區(qū)分函數(shù)是求

2、核和約簡的有力工具。 本文利用粗糙集理論在分析和處理不確定、不一致等信患方面的獨特優(yōu)勢，根據(jù)學生學習成績相關(guān)因素不確定的特點，開展了基于粗糙集的高職學生非智力學習因素研究。 本文首先對基于區(qū)分矩陣的約簡算法、基于屬性重要性的啟發(fā)式約簡算法及基于區(qū)分矩陣的改進的約簡算法進行了研究。提出了一種基于區(qū)分矩陣的新改進(Discernibility Matrix New Improved，DMNI)數(shù)據(jù)約簡算法，簡稱DMNI算法。

3、DMNI約簡算法給出了一種對不相容決策表和相容決策表都適合的處理辦法，對屬性約簡算法進行了改進，降低了算法的時間復雜性；DMNI約簡算法強調(diào)了屬性值約簡的重要性，對屬性值約簡算法進行了改進，采用了屬性約簡的求核算法，對可能產(chǎn)生的重復和不相容規(guī)則進行了處理，保證了約簡和規(guī)則提取的有效性，降低了算法的時間復雜性。 作者通過問卷調(diào)查等方式，采集了大量和學習成績相關(guān)的數(shù)據(jù)，將采集的數(shù)據(jù)整理為決策表，應(yīng)用本文提出的DMNI算法進行屬性約簡