数据挖掘的高校实验室管理水平评价模型（三）

2.1 数据聚类性能测试

聚类性能测试采用三种模型，对表2中4项指标数据进行测试。测试三种模型发现数据集的样本数量、类簇数量和聚类所需时间，其结果如表5所示。将表5的测试结果与表2进行对比可得：本文模型数据样本数量和类簇数量的聚类结果均与表2最接近；聚类平均耗时仅为0.003 4 s；另外两种对比模型的数据样本数量和类簇数量的聚类结果均存在误差。说明本文模型具备较好的数据聚类性能。

为了进一步测试本文模型数据聚类的优越性，选取准确率、召回率和F-measure值作为模型评价结果的测试指标，结果如图2所示。

分析图2可知：本文模型的准确率、召回率以及F-measure值均最佳，均在0.95以上；另外两种对比模型的三项测试指标均在0.9以下，远低于本文模型。进一步说明本文模型的数据聚类性能优于另外两种对比模型，聚类性能较好。

2.2 管理水平评价性能测试

为了测试本文模型的评价性能，对表1中实验对象的二级相应指标进行权重计算，并结合表3的等级划分标准判断本文模型的评价结果，如表6所示。

分析表6可得：本文模型能够有效完成4项一级指标对应的各二级指标的权重计算以及管理水平评价分数的获取，得到实验室管理水平的评价等级，本文模型所获评价等级与实际评价等级相一致，说明本文模型的实验室管理水平评价结果具备较高的准确性。

为了进一步测试本文模型的管理水平的评价性能，选取评价指标中的第4项规章制度管理为测试对象，测试三种模型在该评价指标数量不断增加的情况下所获取的评价结果，如图3所示。

分析图3可知，指标数量的增加对本文模型评估性能不造成明显影响，指标数量由100个增加至400个时，本文模型的评价分值平稳地持续在80分左右，即评价结果始终为B级，说明无论指标数量如何变化，本文模型均能保证较好的评级准确性，而另外两种对比模型随着指标数量的增加并不能获取一个准确的评价结果。测试结果表明本文模型的使用性能较好。

3 结论

本文构建基于数据挖掘的高校实验室管理水平评价模型，并通过实验测试本文模型的使用效果，得出以下结论：

1）本文模型的数据聚类耗时较短；

2）三种对比方法中，本文模型的聚类准确率值、召回率值以及F-measure值均在0.95以上；

3）随着指标数量的增多，本文模型的评价结果稳定、准确。

综上所述，本文模型适用于实验室管理水平评价任务中。下一步的研究方向为使用本文模型完成实验室的管理评价后进一步提升管理水平。

声明：本文所用图片、文字来源《现代电子技术》，版权归原作者所有。如涉及作品内容、版权等问题，请与本网联系删除。

相关链接：测试，评价，实验室