模糊数学毕业论文案例赏析(共2篇)

导读:模糊数学毕业论文应该怎么撰写?对于第一次写作毕业论文的同学来说,应该都是不知道自己应该写什么内容比较好的吧,本论文分类为理科毕业论文,下面是小编为大家整理的几篇模糊数学毕业论文范文供大家参考。

  第1篇:实验课程成绩的模糊数学评定方法研究
 
  摘要:大学有较多课程的教学,结合了课堂理论学习与实践,使学生能够进一步理解课堂上所学的知识,在以后的工作或者深造过程中,有较为坚实的理论基础和一定的实践经验。因此评定学生实验课学习质量的指标里,应包括较大比重的平时成绩。与卷面考试成绩不同,试卷有标准的答案,其评定过程有严密的参照,但评定平时成绩的各项指标是较难掌控的。因此建立一种科学合理的实验课程成绩评定的方法是非常重要的,这样才能减少主观、片面因素的影响。
 
  关键词:实验课程;模糊数学;成绩评定
 
  中图分类号:G648文献标识码:B文章编号:1672-1578(2020)02-0004-02
 
  1.平时成绩评定的常用方法
 
  对于大部分实验课程,平时成绩的评定主要是通过两种指标,一种是教师根据每个学生完成课后作业的情况来确定,另一种是根据学生实验的完成情况来确定。这两种方法在某些方面存在一定弊端,例如,对于前者而言,大部分任课教师都至少要同时任教两个大班,学生人数较多,因此对于任课教师来说,要做到每个学生课外作业的批改具有针对性是不容易的,很难根据作业的完成情况给出准确的分数;对于后者而言,每次实验课任课教师要同时指导大量学生做实验,很难针对每个学生的实验完成过程给出客观、准确的评定,并且如果任课教师只看重实验的结果而忽视实验的完成过程,容易造成学生盲目追求高分而违背开设实验课的目的。虽然有的学者结合了以上两种方法,一定程度上可以互补长短,但仍不够严密、科学。
 
  2.实验课程成绩评定的原则
 
  2.1形成性评价与终结性评价相结合。
 
  形成性评价[1],主要发生在活动进行或事物发展的过程中,对于实验课程而言,学生在课堂上的学习态度、实验的参与程度、综合表现情况等,都应当作为形成性评价的指标。实验课程的终结性评价,是对学生完成实验后最终得到的实验结果的评价,主要包括实验结论的正确性、方法使用的合理性、实验的创新性等。在评价实验课程成绩时,将形成性评价与终结性评结合起来,可以更全面的反映学生操作实验的过程,了解学生的参与状况、学习状况等。
 
  2.2相对评价与绝对评价相结合。
 
  相对评价[2]是指评价时,在评价对象的群体中选取一定标准作为参照,根据这个参照,可以确定评价对象在其群体中的相对位置,或者与群体中其他个体之间的差距。绝对评价[3]是指在评价对象的集合外选取一参照标准,通过与标准的比较,判断评价对象是否达到客观标准程度的评价。相对评价的标准来自评价对象内部,所以以此标准进行评价,能够找准评价对象在群体中的位置和名次。绝对评价参照的标准是客观的、可靠的,为评价对象提供了明确的目标。但是与相对评价相比,绝对评价标准的制定或确定更难一些,难以避免主观性,并且绝对评价只重视对“成果”的比较,而忽视“输入”、过程或其他非预期成果的评价,因此较为片面。相对评价与绝对评价的结合,可以弥补各自的一些缺点,发挥各自的优势,使评价更加客观、合理。
 
  2.3定量评价与定性评价相结合。
 
  定量评价[4]是指在评价过程中运用数学的方法去处理、分析信息,取得数量化评价结果的一种评价。定量评价的特点是侧重于对事物的量的评价,有客观的评价标准,获取的资料也较为客观。定性评价[5]是指在评价过程中采用非数量化的方式,对事物发展过程及结果,通过质性分析,做出定性的评价结论。定性评价侧重于对事物的质的方面进行分析和判定,可以对教育领域中那些比较隐蔽、模糊的现象进行评价。这种方法可以弥补定量评价难以揭示评价对象那些表现较少、比较隐蔽的特征的不足。定量评价与定性评价的结合,可以建立较为完整的评价体系,能够全面的收集评价信息,更好的进行成绩评定。
 
  3.基于模糊数学的“大学生数学建模实验课”成绩评定方法
 
  模糊综合评判是用模糊数学的思想和方法对教育评价中模糊的信息进行处理。它先根据一定的理论对评价拟定的各个指标赋以适当的权重,接着确定各项指标的等级,然后运用模糊矩阵的运算原理进行计算,最后得到评判结果。进行模糊综合评判需要确定4个要素:因素集U,评价集V,评价矩阵R,权重集A。
 
  3.1确定因素集U。
 
  影响“大学生数学建模实验课”成绩的因素的集合就是因素集,这些因素可以看做是重要的评价指标。通过文献的查阅、教学的要求及实践活动的实际情况,确定“大学生数学建模实验课”成绩评价指标为:
 
  (1)学习态度u1:学生的出勤情况u11、学生学习的积极性u12;
 
  (2)实验过程u2:实验课上的答疑情况u21、实验的参与度u22、实验的贡献度u23、课外作业完成情況u24;
 
  (3)实验结果u3:实验结果包括实验方法使用的正确性u31、实验结果的合理性u32、实验报告的规范性u33、实验报告的完整性u34。
 
  3.2建立评价集V。
 
  本文采用等级评价制,确定评价集V={v1,v2,v3,v4,v5}={优秀,良好,合格,较差,很差}。其中,出勤情况主要参考缺勤次数;学习积极性参考上课的注意力、思考及发言次数等情况;答疑情况参考回答内容的质量;参与度主要参考组内讨论情况;贡献度参考是否担任小组组长及为实验完成做出的贡献程度;课外作业完成情况则是参考作业分数。
 
  3.3建立评价矩阵R。
 
  每一个评价对象都被确定了一个从U到V的模糊关系R,由此得到评价矩阵如下:
 
  其中0≤rij≤1,i=1,2,…,m,j=1,2,…,n.这里rij表示从因素ui到该因素的判断结果Vj的隶属程度。
 
  在“大学生数学建模”实践教学中,采用的是结合教师评价、学生自评以及学生之间互评的评价方式。对于每次实验,教师、学生按照评价因素,根据学生的实际参与情况,对每个成员(包括自己)进行等级评价。利用各项指标各种等级出现的频率,构造评价矩阵。
 
  3.4确定权重集A。
 
  通过文献查阅以及实践教学大纲的要求,取各层权重值分别为A1=(0.5,0.5);A2=(0.2,0.3,0.3,0.2);A3=(0.3,0.3,0.2,0.2);A=(0.2,0.4,0.4).利用常用的模糊综合评判模型bj=∑mi=1(ai·rij)作出模糊决策Bi,再得到评价矩阵R=[B1,B2,…,Bn]T,并进行二级模糊综合评判,最后进行归一化处理,得到结果B即可判断学生的动机成绩。
 
  4.“大学生数学建模实验课”成绩评定实例
 
  某班级共有58人,在大学生数学建模课中的某一实验结束后,教师和学生根据完成实验的实际表现及最终的实验报告,给某同学评定的等级成绩情况统计表如下表所示:
 
  表1
 
  根据表7建立评价矩阵
 
  代入bj=∑mi=1(ai·rij)求得B1,B2,B3,从而得到
 
  同理由bj=∑mi=1(ai·rij)进行二级模糊综合评判。依据“最小最大”原则,得到评判结果,用B表示,则B=A·R,即
 
  然后再对矩阵B中的各元素进行归一化处理,得矩阵
 
  C=(0.25,0.34,0.24,0.14,0.03)
 
  按照矩阵C,根据最大隶属度原则,可以确定该学生的成绩为“良好”。
 
  5.结语
 
  基于模糊数学的模糊综合评判法,其优点在于它能弥补许多教育评价方法主观性太强等不足,结果更为客观、权威。目前,许多高校越发重视实践教育,因此对实验课程的开展和评价引起了广大教师的讨论。本文结合“大学生数学建模实验课”的课程要求及特点,引入模糊综合评判法,合理的对学生实验课成绩进行评定。其实,在教育评价活动中,都应注意根据评价目的、内容及评价对象的特点等因素,灵活的选择最恰当的方法,而模糊数学综合法就能较好的评定实验课程这样需重视实践过程、不能忽视平时成绩的课程。
 
  第2篇:探讨基于模糊数学的网络服务态势评估方法
 
  摘要:随着互联网技术水平的逐渐提升,网络环境的复杂程度也越来越高。此时通过对网络服务态势进行评估,可有效帮助人们判断当前网络服务形势,并提前预判其中可能存在的安全问题,有利于全面提升网络服务质量与网络安全性。为此,文章将从简单说明网络态势评估的基本内涵入手,在构建网络态势评估指标体系的基础上,针对基于模糊数学的网络服务态势评估方法进行简要分析研究。
 
  关键词:模糊数学;网络服务;态势评估
 
  中图分类号:TP393.09文献标识码:ADOI:10.3969/j.issn.1003-6970.2019.12.006
 
  本文著录格式:黄加增.探讨基于模糊数学的网络服务态势评估方法[J].软件,2019,40(12):2527
 
  0引言
 
  在模數数学[1]思想当中,其重点对不确定性事物进行研究。而由于网络服务态势也存在一定模糊性和不确定性,各项网络服务态势评估指标并非固定不变,因此可有效引入模数数学的概念进行网络服务态势评估。通过采用基于模糊数学的网络服务态势评估[2]方法,可以在准确评估网络服务态势情况的同时为相关决策提供重要参考依据。
 
  1网络态势评估的基本内涵
 
  在网络态势感知当中,网络态势评估占据着毋庸置疑的核心地位。所谓的网络态势评估指的就是基于大规模网络[3]环境中,于level1初步处理融合获取的所有网络监测数据后,依照领域知识与历史数据,通过灵活运用相应的数据工具或数学模型,在分析推理的基础上合理解释目前网络具体运行状态。简单来说,网络态势评估即为态势因子集合到态势空间的映射。其中态势因子指的就是改变网络态势的各项因素,其作为监测指标子集。通过积极开展网络态势评估,不仅有助于相关人员精准掌握网络当前运行情况,同时对提前预估网络中的潜在风险并制定出有效的应急预案也具有积极作用。考虑到网络数据信息种类繁多、数据量和信息量相对较大,因此在对网络态势评估时需要一种具有较高信息处理性能和良好学习能力与特征选择能力的评估方法,通过快速从若干网络数据中选取具有典型特征的评估数据建立起相应的评估规则集合,由此高效实现网络服务态势评估。
 
  2构建网络服务态势指标体系
 
  2.1确定一级指标
 
  在进行网络服务[4]态势评估之前,首先需要建立起规范完善的网络服务态势指标体系。通过结合相关研究资料,本文在选择使用LoadRunner测试工具快速获取各类网络数据的基础上,选择将服务请求方与提供方、网络链路作为网络服务态势评估指标体系当中的一级指标。考虑到网络的存在目的即为用户提供服务,因此将网络服务请求方设定为一级指标,通过对其服务好坏进行有效评估,有助于相关人员掌握整体网络服务质量水平。而在现阶段的网络服务系统当中,由若干不同种类的服务器等设备共同组成的网络服务提供方占据着核心地位,网络服务提供方的存在是网络实现其为用户提供服务这一功能的根本前提。因此对网络服务提供方的各项重要参数进行合理选取与深入分析,有助于客观评估整体网络服务态势。各项信息数据在网络中传输时通常需要经过相应的链路,而一旦网络链路有所改变,势必会对网络服务质量[5]-[6]产生直接影响。当网络链路状态不理想时,极有可能使得网络出现拥堵、断线等情况。
 
  2.2确定二级指标
 
  在明确网络服务提供方和请求方、网络链路方作为网络服务态势评估指标体系的一级指标后,根据各一级指标的实际情况需要以此下设相应的各二级指标,由此构建起完整的网络服务态势评估指标体系。在网络服务请求方中,影响网络服务质量的参数主要包括请求与服务请求的响应时间、带宽占有率和每秒下载页数等,如服务请求响应时间越短,代表用户等待时间越短,此时网络服务质量相对较好。因此将其作为网络请求方指标的二级指标,有助于立足网络请求方评估网络服务态势。而在服务提供方中,设计其二级指标包括CPU和物理磁盘利用率、内存占用率与平均事务响应时间等。以内存占用率为例,一般当内存占用率不超过80%时,服务器可正常提供相应服务,但如果内存占用率过高如占用率至少为90%,此时系统性能将会受到限制,出现用户等待时间过长等情况,进而对网络服务质量产生不利影响。网络链路指标下的二级评估指标主要包括吞吐率、丢包率和平均往返时延。如通过根据服务器吞吐量可对网络用户产生的负载量进行准确评估,吞吐率也能够在一定程度上客观反映出服务器流量处理能力。一般情况下,当网络中并发用户数较多时,吞吐率曲线呈现出先上升随后逐渐平稳的变化趋势,则表明此时服务器极有可能存在瓶頸。而丢包率为网络链路传输当中在发送方总发送数据包中丢弃数据包的占比。当网络链路状态较好时,局域网中网络丢包率极小,而当监测发现丢包率较大时,则表明此时网络面临过重负载,网络可能出现拥堵现象。
 
  3基于模糊数学的网络服务态势评估分析
 
  3.1算法流程
 
  在本文设计的建立在模糊数学的网络服务态势评估算法中[7-8],在利用LoadRunner测试工具快速获取服务提供方与请求方参数以及各网络链路方参数,并对数据进行预处理后,分别运用模糊数学的概念对这三个指标进行评估。根据获取的具体评估结果,及其对应指标在网络服务中的重要性,进行权重分配。在此基础上运用D-S证据合成理论将服务提供方与请求方、网络链路方的评估结果进行合成获得最终的评估结果,即可有效完成网络服务态势的客观、全面评估。
 
  3.2评估流程
 
  (1)确定隶属度函数
 
  在基于模糊数学的网络服务态势评估当中,首先需要根据各类网络态势指标确定隶属度函数[9]。为有效判断网络服务质量情况,本文选择按照从最好到最差的顺序依次将网络服务态势分为5个级别,即第一级别代表网络服务态势最好,其次为第二、第三和第四级别,第五级别代表网络服务态势最差。隶属度指的就是在某一时刻下网络服务态势所属具体级别,随着隶属度值的不断增大,代表其有较大可能隶属于本级别。在计算隶属度时需要运用如下公式:
 
  在这一公式当中,Li与Li+1分别代表着第i级别与第i+1级别的标准值,一般情况下,当网络服务态势属于第一级别时,请求响应时间不超过0.5s。当网络服务态势属于第二级别时,请求响应时间不超过3s,当网络服务态势属于第三、第四级别时,请求响应时间将分别控制在5s和10s以内,而如果网络服务态势属于第五级别,此时请求响应时间将至少为10s。
 
  (2)建立相关模糊矩阵
 
  在完成隶属度函数的确定之后,基于模糊数学的网络服务态势评估需要进入到建立模糊矩阵的环节。此时可以分别用U和V代表各项单项指标与网络服务态势分级的集合,当评估对象为网络服务请求方时,则在集合U中子集主要包括服务请求响应时间、带宽占有率、每秒下载页数等。集合V中包括第一级别到第五级别。对于每个各项单项指标集合,如果用x表示该集合中各指标实测值,则通过利用隶属度函数可以计算出第一级别到第五级别网络服务态势隶属度,由此计算得到如下所示的模糊评判矩阵R:
 
  在这一模糊评判矩阵当中,第i个指标对第j级网络态势的隶属度用aij进行表示。
 
  (3)确定各参数权重
 
  当完成网络服务态势模糊评判矩阵[10]的建立之后,需要对每一项指标的权重进行有效明确。在本文设计的基于模糊数学的网络服务态势评估算法当中,认为如果某一指标对网络服务态势所处级别进行判定时会产生较大负向影响,则该指标也具有较大权重。假设在分级指标当中,网络服务态势从第一级别逐渐增大至第五级别,则在计算各指标的参数权重时应当使用如下公式:
 
  在这一公式当中,对于第i种网络服务态势指标,其实际值与中间级别数值分别用与进行表示,而每一个指标分级标准当中的最大值和最小值则分别用Cmax与Cmin进行表示。本文所计算的各指标参数权重取值范围在0到10之间,如果计算得到的权重数超过10,则统一将其设定为10。
 
  假设在分级指标当中,网络服务态势从第五级别逐渐减小至第一级别,则在计算各指标的参数权重wi时需要使用的公式如下:
 
  值得注意的是,此时计算得到的各指标权重属于一种相对权重,为方便后续进行比较分析,还需对其进行归一化处理,即令每一项指标的权重相加后总和为1,此时权重计算公式如下:
 
  (4)复合运算与判别
 
  通过利用归一化处理后的权重计算公式,对各指标权重进行准确计算并由此建立起新的权重矩阵A后,需要将其与之前建立的模糊矩阵R进行复合运算,其计算公式如下:
 
  在归一化处理计算得到的复合运算结果后,此时该计算结果即为最终网络服务态势评估级别隶属度。而通过根据权重矩阵A与模糊矩阵R进行复合运算,计算出最大模糊级别隶属度后,与之相对应的级别便是当前网络服务态势所处级别。
 
  4结论
 
  总而言之,通过分别从网络服务提供方与服务方、网络链路方入手建立起相应的网络服务态势评估指标体系,将评估网络服务态势转化成一种决策过程,并将模糊数学概念引入其中对网络服务态势所处具体级别进行决策判断,可以有效帮助人们精准掌握当前网络服务态势等级水平与网络服务质量情况。加之该种评估方法具有良好的适用性、计算量小等优势,因此可有效满足网络服务态势评估需求,具有较高的应用价值。

您可能还会对下面的文章感兴趣: