2.1 数据聚类功能测试

聚类功能测试接管三种模子，数据水平对于表2中4项指标数据妨碍测试。发掘测试三种模子发现数据集的高打点样本数目、类簇数目以及聚类所需光阴，校试其服从如表5所示。验室将表5的评估测试服从与表2妨碍比力可患上：本文模子数据样本数目以及类簇数目的聚类服从均与表2最挨近；聚类平均耗时仅为0.003 4 s；此外两种比力模子的数据样本数目以及类簇数目的聚类服从均存在误差。诠释本文模子具备较好的数据水平数据聚类功能。

为了进一步测试本文模子数据聚类的发掘优异性，选取精确率、高打点召回率以及F-measure值作为模子评估服从的校试测试指标，服从如图2所示。验室

合成图2可知：本文模子的评估精确率、召回率以及F-measure值均最佳，数据水平均在0.95以上；此外两种比力模子的发掘三项测试指标均在0.9如下，远低于本文模子。高打点进一步诠释本文模子的数据聚类功能优于此外两种比力模子，聚类功能较好。

2.2 打点水平评估功能测试

为了测试本文模子的评估功能，对于表1中试验工具的二级响应指标妨碍权重合计，并散漫表3的品级散漫规范分说本文模子的评估服从，如表6所示。

合成表6可患上：本文模子可能实用实现4项一级指标对于应的各二级指标的权重合计以及打点水平评估分数的获取，患上到试验室打点水平的评估品级，本文模子所获评估品级与实际评估品级相不同，诠释本文模子的试验室打点水平评估服从具备较高的精确性。

为了进一步测试本文模子的打点水平的评估功能，选取评估指标中的第4项规章制度打点为测试工具，测试三种模子在该评估指标数目不断削减的状态下所获取的评估服从，如图3所示。

合成图3可知，指标数目的削减对于本文模子评估功能不造成清晰影响，指标数目由100个削减至400个时，本文模子的评估分值晃动地不断在80分左右，即评估服从始终为B级，诠释无论指标数目若何变换，本文模子均能保障较好的评级精确性，而此外两种比力模子随着指标数目的削减并不能获取一个精确的评估服从。测试服从表明本文模子的运勤勉用较好。

3 论断

本文构建基于数据发掘的高校试验室打点水平评估模子，并经由试验测试本文模子的运用成果，患上出如下论断：

1）本文模子的数据聚类耗时较短；

2）三种比力方式中，本文模子的聚类精确率值、召回率值以及F-measure值均在0.95以上；

3）随着指标数目的削减，本文模子的评估服从晃动、精确。

综上所述，本文模子适用于试验室打点水平评估使掷中。下一步的钻研偏差为运用本文模子实现试验室的打点评估落伍一步降职打点水平。

申明：本文所用图片、翰墨源头《今世电子技术》，版权归原作者所有。如波及作品内容、版权等成果，请与本网分割删除了。

相干链接：测试，评估，试验室