期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
关联规则算法在教学评价数据分析中的应用——以Y大学为例
1
作者 简相栋 王文东 甄艳秋 《计算机科学与应用》 2021年第11期2817-2824,共8页
数据库技术越来越成熟,应用非常广泛,存储的数据量越来越大。大多数数据往往只是简单处理和应用,并没有进行数据深度挖掘,造成数据资源的浪费。关联规则算法可以有效地挖掘出数据中不同事务之间的微小关系,教学评价中,教师职称、教师年... 数据库技术越来越成熟,应用非常广泛,存储的数据量越来越大。大多数数据往往只是简单处理和应用,并没有进行数据深度挖掘,造成数据资源的浪费。关联规则算法可以有效地挖掘出数据中不同事务之间的微小关系,教学评价中,教师职称、教师年龄、教师教学时长与教学态度、教学纪律、教学方法、教学效果、师德教风等方面密切相关。通过apriori算法和Fp-growth算法两个典型关联规则算法的分析研究,详细叙述两种算法的题解过程,利用两种算法来研究Y大学的教学评价数据,发现高职称年长教师的授课效果较好,但是学生的认可度较低,年轻教师的授课效果不太好,学生的认可度反而较高,说明老教师在沟通交流方面不满足青年学生的期望,青年教师的教学能力和教学方法有待提升。 展开更多
关键词 APRIORI算法 关联规则 教学评价 高校教育
下载PDF
一类凸多目标半无限规划的Mond-Weir型对偶
2
作者 简相栋 王文东 甄艳秋 《延安大学学报(自然科学版)》 2021年第4期38-42,共5页
在广义对称G-(F,α,ε)-凸性条件下,借助对称梯度,研究了一类带有支撑函数的多目标规划问题的Mond-Weir型对偶问题,结合K-T最优性必要条件证明得到了一些弱对偶定理、强对偶定理以及严格逆对偶定理。
关键词 G-(F α ε)-凸函数 多目标半无限规划 MOND-WEIR型对偶 次线性泛函
下载PDF
高等院校本科生在线学习的个案研究——以延安大学为例
3
作者 吴文碧 王文东 +1 位作者 简相栋 甄艳秋 《计算机教育》 2021年第2期61-64,共4页
采用CCSS(中国大学生学习与发展追踪调查),对延安大学在线学习指标的得分情况进行分析,并与全国院校在线学习指标的得分情况进行横向对比和分析。以延安大学的调查数据为例,剖析我国在校大学生在线学习的影响因素以及存在的问题。
关键词 CCSS 本科生 在线学习
下载PDF
高校教师背景特征对学生评教结果影响的实证研究
4
作者 甄艳秋 王文东 简相栋 《教育进展》 2021年第5期1680-1686,共7页
在本文中,利用单因素方差分析法分析了1457个Y大学的学生评教数据,探讨了教师自身特征对学生评教结果影响的显著性。研究结果表明:对于性别、年龄段、入校年限、学历这些教师自身特征,其评教结果比较并无显著差异,而对于职称不同的教师... 在本文中,利用单因素方差分析法分析了1457个Y大学的学生评教数据,探讨了教师自身特征对学生评教结果影响的显著性。研究结果表明:对于性别、年龄段、入校年限、学历这些教师自身特征,其评教结果比较并无显著差异,而对于职称不同的教师,其评教结果比较有显著差异。在文章最后,对造成上述结果的可能原因进一步分析,并提出了一些建议以期提高高校教师教学质量。 展开更多
关键词 教师背景特征 学生评教 单因素方差分析 实证研究
下载PDF
广义对称G-(F,α,ε)-凸多目标半无限规划的最优性条件
5
作者 甄艳秋 王文东 简相栋 《延安大学学报(自然科学版)》 2021年第4期43-47,共5页
利用对称梯度,引入广义对称G-(F,α,ε)-凸函数、广义对称G-(F,α,ε)-拟凸函数和广义对称G-(F,α,ε)-伪凸函数等概念,推广了已有的凸函数,在其广义凸性下得到了一类多目标规划问题的一些最优性充分条件。
关键词 广义对称G-(F α ε)-凸函数 对称梯度 多目标半无限规划 最优性充分条件
下载PDF
基于Python的AGNES算法及其应用
6
作者 吴文碧 王文东 +1 位作者 甄艳秋 简相栋 《信息与电脑》 2020年第23期59-60,共2页
本文在研究AGNES聚类算法基本原理的基础上,结合Python语言的特点,编程实现了AGNES算法。AGNES聚类算法是通过计算每一个类别的数据点与所有数据点之间的距离来确定它们之间的相似性,距离越小,相似度越高。本文利用西瓜数据集和鸢尾花... 本文在研究AGNES聚类算法基本原理的基础上,结合Python语言的特点,编程实现了AGNES算法。AGNES聚类算法是通过计算每一个类别的数据点与所有数据点之间的距离来确定它们之间的相似性,距离越小,相似度越高。本文利用西瓜数据集和鸢尾花数据集进行了AGNES聚类,验证了AGNES算法的实用性和有效性。 展开更多
关键词 聚类 AGNES算法 欧氏距离 PYTHON
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部