专业教学改革电气工程论文提纲

论文题目：模糊聚类在本科工程质量认证中的应用

摘要：本科工程质量认证对高校的教学课程改革和教学管理等工作都具有重要的指导意义,选取合适的评价方法对高校的本科工程质量认证工作起到事半功倍的作用。本科工程质量认证工作从教学水平和学生学习成果两个方面进行,因此本文从教师教学水平和学生学习成果两个方面进行数据分析。对高校质量水平进行评价时,通常会以到课率和学生成绩等为主,但是这些评价方法都难免有些片面,不能准确反映出教师的综合教学水平和学生各方面的能力。因此,本文将定量与定性方法结合使用,从各个方面研究分析模糊聚类在本科工程质量认证中的应用。模糊聚类方法（FCM）是数据挖掘技术中一项重要的分析方法,因为该方法原理简单、容易实现以及收敛速度快等特点,被广泛应用在各行各业。FCM算法的聚类个数是需要提前设定并且初始中心也是随机生成,一般会导致聚类结果过早收敛,最终聚类结果不是理想,因此本文将FCM聚类算法与遗传算法相结合,以达到FCM聚类算法最终收敛结果达到全局最优,最后将GA-FCM算法应用到本科工程质量认证中去。本文介绍了数据挖掘技术的相关理论,着重介绍了经典聚类算法和FCM聚类算法的原理及实现流程,分析经典聚类算法和模糊聚类算法的优缺点,为了使FCM聚类算法结果更优,选择使用遗传算法改善其缺陷,并且使用UCI机器学习库中的标准数据集进行实验和结果分析,证明其能够有效改善聚类结果。其次采用问卷调查的方法对教师水平进行评价分析,从基本能力、教学方法、教学内容、教学态度、教学效果这五个方面进行数据收集,使用python3中的第三方库pandas对样本数据进行数据清洗,采用基于遗传算法的FCM聚类算法对整理好的数据进行数据处理,并对其进行结果分析,从而为吉林建筑大学电气于计算机学院电气专业的老师提供改善教学工作的相关数据。最后,依托于《吉林建筑大学工程类专业平台》对学生的学习成果进行分析评价。将学生的各科成绩,根据每门课程在毕业要求中占的权重进行数据处理,并且采用了电气工程及其自动化专业的12条课堂目标标准准备数据,最后进行聚类和结果分析,这样可以指导教师在教学工作中针对不同特点的同学,选取恰当的教学方法,最大程度发挥学生的优势,补齐短板,最终使所有学生能达到毕业要求,成为强综合型工程技术人才以满足社会需求。

关键词：模糊聚类FCM;遗传算法;教师教学水平;学习成果

学科专业：电气工程（专业学位）

摘要

Abstract

第1章 绪论

1.1 论文的研究背景和意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 聚类算法的研究现状

1.2.2 工程教育专业认证的研究现状

1.3 本文的研究内容

1.4 本文的组织结构

1.5 本章小结

第2章 相关基础理论

2.1 数据挖掘技术的基本原理

2.1.1 数据挖掘技术中的主要算法

2.1.2 数据挖掘技术的应用

2.2 聚类算法的相关知识

2.2.1 数据结构

2.2.2 数据标准化

2.3 常用距离的度量方式

2.4 主要的聚类分析方法

2.4.1 划分法

2.4.2 层次方法

2.4.3 基于密度的聚类方法

2.4.4 基于网格的方法

2.4.5 基于模型的方法

2.5 聚类结果的评估

2.6 遗传算法基本原理

2.6.1 遗传算法编码

2.6.2 遗传算法的初始种群

2.6.3 适应度函数

2.6.4 遗传算子

2.6.5 实现过程

2.7 本章小结

第3章 模糊聚类算法及其改进算法

3.1 基于目标函数的模糊聚类算法

3.1.1 基于划分的FCM聚类算法

3.1.2 模糊C均值聚类的实现

3.1.3 常见FCM聚类算法的缺陷

3.2 基于遗传算法改进FCM算法

3.2.1 种群初始化

3.2.2 编码

3.2.3 适应度函数

3.2.4 遗传算子

3.3 基于遗传算法的模糊聚类算法具体流程(GA-FCM)

3.4 实验仿真及结果分析

3.4.1 实验平台

3.4.2 数据集简介

3.4.3 结果与分析

3.5 本章小结

第4章 模糊聚类在教师教学水平中的应用

4.1 教师教学水平评价

4.1.1 教师教学水平评价指标

4.1.2 实验数据的整理和标准化

4.2 基于遗传算法的FCM聚类过程与结果分析

4.2.1 基于遗传算法的FCM聚类过程

4.2.2 结果分析

4.2.3 类别描述

4.3 本章小结

第5章 模糊聚类在学生学习成果中的应用

5.1 学生学习成果评价

5.1.1 建立学生学习成果评价指标

5.1.2 实验数据的整理和标准化

5.2 基于GA-FCM聚类算法聚类过程与结果分析

5.2.1 基于GA-FCM聚类算法聚类过程

5.2.2 结果分析

5.2.3 类别描述

5.3 本章小结

总结与展望

参考文献

致谢