隨著計算機技術的發(fā)展,高校里的教育教學工作越來越依賴于教務管理系統(tǒng)。而教務管理系統(tǒng)中存儲著大量的學生課程成績數據,那么如何對這些數據進行有效的分析以提高學校的教學質量,這是非常值得人們深入研究的問題。本文使用了模糊神經網絡的方法,根據學生的課程成績數據預測其相應的畢業(yè)成績,并且使用MATLAB軟件對所構建的預測模型進行仿真實現,最后根據此模型開發(fā)出一套完善的學生成績預測管理系統(tǒng),從而達到學生學業(yè)預警的目的。雖然模糊神經網絡具有自適應和非線性逼近兩個優(yōu)良的功能,能夠解決課程成績與畢業(yè)成績之間復雜的非線性關系。但是模糊神經網絡在一些方面上還存在著其自身不可避免的缺點,比如:學生成績樣本數據之間的冗余;輸入變量維度過高而導致模型運行效率變低的問題;模糊神經網絡容易陷于局部最優(yōu)而難以尋找到全局最優(yōu)值的現象。本文針對上述的三個問題,提出了一種基于主成份分析和遺傳算法優(yōu)化的模糊神經網絡模型。第一步,通過主成份因子分析方法對學生成績樣本進行降維處理,使得原始高維的數據集變?yōu)橐粋�低維的新數據集,從而降低模型輸入變量的維度,進而提高模型的效率。同時,該過程還解決了樣本數據之間的冗余問題。第二步,使用遺傳算法優(yōu)化模糊神經網絡的前件參數,從而使得網絡能夠達到全局最優(yōu)。如此,本文構建了優(yōu)化的模糊神經網絡成績預測模型。然后,通過MATLAB軟件進行仿真實驗,結果表明,該模型能夠利用已有的學生課程成績對未知的畢業(yè)成績做出較為準確的預測,從而可以使用預測結果為依據,對學生進行學業(yè)預警提示。驗證了該模型用于畢業(yè)成績預測的可行性。最后,依據本文研究中構建的優(yōu)化模型,開發(fā)出一套具有較高實用性、復用性和擴展性的學生成績管理系統(tǒng),使用預測結果為依據,對學生進行學業(yè)預警提示。
【學位單位】：青島大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：G645.5;TP183
【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究的背景及意義
    1.2 國內外研究現狀
    1.3 論文的主要內容
    1.4 本文的組織結構
第二章 相關概念與理論基礎
    2.1 數據挖掘
        2.1.1 數據挖掘的概念
        2.1.2 數據挖掘的步驟
    2.2 模糊系統(tǒng)
        2.2.1 模糊集合
        2.2.2 規(guī)則庫與模糊推理
        2.2.3 T-S模糊推理系統(tǒng)
    2.3 人工神經網絡
        2.3.1 人工神經網絡模型
        2.3.2 誤差反向傳播算法
    2.4 遺傳算法
        2.4.1 遺傳算法的基本原理
        2.4.2 遺傳算法的基本流程
    2.5 本章小結
第三章 模糊神經網絡模型的研究與構建
    3.1 引言
    3.2 模糊神經網絡
        3.2.1 模糊系統(tǒng)與神經網絡的結合
        3.2.2 模糊神經網絡的網絡結構
    3.3 數據樣本的PCA降維處理
        3.3.1 主成分分析原理
        3.3.2 主成分分析步驟
    3.4 使用減法聚類方法生成模糊神經網絡結構
        3.4.1 減法聚類方法的基本原理
        3.4.2 減法聚類方法生成ANFIS的步驟
    3.5 GA算法優(yōu)化模糊神經網絡模型
    3.6 本章小結
第四章 模糊神經網絡模型在學生成績預測中的運用及評價
    4.1 樣本數據的降維處理
        4.1.1 樣本數據的選取
        4.1.2 樣本數據預處理
        4.1.3 樣本數據的PCA降維處理
    4.2 模糊神經網絡模型的運用及評價
        4.2.1 PCA-GA-ANFIS預測模型的訓練結果
        4.2.2 PCA-GA-ANFIS預測模型的測試結果
    4.3 PCA-GA-ANFIS預測模型與ANFIS預測模型的比較研究
        4.3.1 ANFIS預測模型的實驗分析
        4.3.2 PCA-GA-ANFIS預測模型與ANFIS預測模型的比較
    4.4 本章小結
第五章 基于模糊網絡模型的學生成績管理平臺的設計與實現
    5.1 系統(tǒng)分析
        5.1.1 基本需求分析
        5.1.2 基本功能分析
    5.2 系統(tǒng)的總體設計
        5.2.1 系統(tǒng)總體框架
        5.2.2 系統(tǒng)功能結構
    5.3 系統(tǒng)界面的總體設計
    5.4 系統(tǒng)模塊的實現
        5.4.1 數據維護模塊的實現
        5.4.2 考試管理模塊的實現
        5.4.3 成績預測模塊的實現
        5.4.4 課后學習模塊的實現
    5.5 軟件測試
        5.5.1 用戶登陸模塊
        5.5.2 數據維護模塊
        5.5.3 考試管理模塊
        5.5.4 課后管理模塊
        5.5.5 成績預測模塊
    5.6 本章小結
第六章 總結與展望
參考文獻
攻讀學位期間的研究成果
致謝

【相似文獻】

相關期刊論文 前10條

1 康莉莉;;基于模糊神經網絡的大數據價值評估研究[J];計算機產品與流通;2019年08期

2 徐書蘋;譚滿春;;變系數高階模糊神經網絡的指數收斂性[J];暨南大學學報(自然科學與醫(yī)學版);2013年05期

3 韓春宇;王濤;鮑成磊;;模糊神經網絡系統(tǒng)的設計與應用研究[J];遼寧工業(yè)大學學報(自然科學版);2013年05期

4 高明明;劉吉臻;高明帥;楊世明;吳玉平;張明勝;;基于補償模糊神經網絡的灰循環(huán)系統(tǒng)控制研究[J];動力工程學報;2012年07期

5 宋彬彬;;模糊神經網絡的發(fā)展與應用[J];煤炭技術;2012年07期

6 倪志盛;王明彥;;基于動態(tài)模糊神經網絡的多余力矩抑制方法[J];哈爾濱工業(yè)大學學報;2012年10期

7 張喆;曹旭;馬少仙;;模糊神經網絡在股票價格預測中的應用[J];甘肅聯合大學學報(自然科學版);2011年03期

8 肖桂元;劉立龍;;動態(tài)模糊神經網絡在變形預測中的應用[J];桂林理工大學學報;2011年03期

9 朱云國;劉增良;;基于模糊神經網絡的熱風爐溫度控制仿真研究[J];銅陵學院學報;2011年05期

10 程月華;姜斌;楊明凱;高志峰;;應用自組織模糊神經網絡估計衛(wèi)星姿態(tài)系統(tǒng)執(zhí)行機構故障[J];應用科學學報;2010年01期

相關博士學位論文 前10條

1 侯迪波;間歇生產過程中的知識發(fā)現方法研究[D];浙江大學;2004年

2 任芳;基于多傳感器數據融合技術的煤巖界面識別的理論與方法研究[D];太原理工大學;2003年

3 翟東海;加乘型模糊神經網絡理論和應用的研究[D];西南交通大學;2003年

4 楊潔;模糊神經網絡的學習收斂性與閾值可去性[D];大連理工大學;2006年

5 艾芳菊;模糊神經網絡的結構優(yōu)化研究[D];中國科學院研究生院（成都計算機應用研究所）;2006年

6 朱喜林;模糊神經網絡選擇機械加工參數的應用研究[D];吉林大學;2006年

7 王振雷;模糊神經網絡理論及其在復雜系統(tǒng)中的應用研究[D];東北大學;2002年

8 陳金山;模糊神經網絡與ATM交換結構的研究[D];華南理工大學;2000年

9 譚文;混沌系統(tǒng)的模糊神經網絡控制理論方法研究[D];湖南大學;2006年

10 周志堅;基于遺傳算法的神經模糊技術應用研究[D];華南理工大學;1999年

相關碩士學位論文 前10條

1 張華欽;基于模糊神經網絡的旋翼振動高階諧波控制研究[D];南京航空航天大學;2019年

2 許鵬;基于L-M算法的模糊神經網絡預測控制及初值問題研究[D];安徽工業(yè)大學;2019年

3 賴瑤瑤;基于混合Petri網的生物系統(tǒng)建模與分析方法研究[D];華南理工大學;2019年

4 徐田豐;模糊神經網絡在學生成績預測中的研究應用[D];青島大學;2019年

5 辜芳影;模糊神經網絡在商場火災探測中的研究與應用[D];安徽理工大學;2019年

6 耿長昕;基于模糊神經網絡和證據理論的風電齒輪箱故障診斷研究[D];華北電力大學(北京);2019年

7 姚君;基于模糊神經網絡的高壓變頻技術在火電廠中的研究[D];上海交通大學;2015年

8 向楠;基于模糊神經網絡的無刷直流電機再生制動控制系統(tǒng)研究[D];桂林電子科技大學;2019年

9 袁杰;基于軟計算的結構沖擊源識別及其FPGA實現[D];電子科技大學;2019年

10 徐寧;基于模糊神經網絡的智能家居室內空氣質量監(jiān)控系統(tǒng)研究[D];中國計量大學;2018年

本文編號：2857666