当前位置：文档之家 › 非数学专业学生数学学习兴趣影响因素的模糊聚类分析

非数学专业学生数学学习兴趣影响因素的模糊聚类分析

  • 格式：pdf
  • 大小：235.91 KB
  • 文档页数：6

２０１１年４月　第２８卷第２期　枣庄学院学报　ＪＯＵＲＮＡＬ　ＯＦ　ＺＡＯＺＨＵＡＮＧ　ＵＮＩＶＥＲＳＩＴＹ　Ａｐｒ．２０１１　Ｖｏｌ＿２８　ＮＯ．２　

非数学专业学生数学学习兴趣影响因素的　

模糊聚类分析　

张凡娣　，贾金平　

（天水师范学院数学与统计学院，天水７４１００１）　

［摘要］利用模糊聚类分析相关理论，分析了学生数学学习兴趣与各影响因素的关系，并根据聚类分析的结果，运用　

贴近度对各类的重要性进行了讨论，最后得出了一些有意义的结论．　

［关键词］数学学习兴趣；影响因素；模糊聚类分析；调查与研究　

［中图分类号］ＨＹ２６８　［文献标识码】Ａ　［文章编号］１００４—７０７７（２０１１）０２—００３２—０６　

１　模糊聚类分析的基本原理和主要步骤　

模糊聚类分析是多元数据分析引进到分类中的模糊数学方法，广泛应用在各种事物　

或现象的分类上．模糊聚类分析的实质就是根据研究对象本身的属性来构造模糊矩阵，　

在此基础上根据一定的隶属度来确定其分类关系．　

１．１确定分类对象　

设有ｎ个待分类对象，每一个对象有ｍ个量化的指标，则数据矩阵可表示为：　

Ｘ＝　

１．２　建立模糊相似关系　

相似关系尺是衡量样本间相似程度的一种模糊度量方法，它是一个模糊相似矩阵．　

Ｒ＝　

常数，ｉ，Ｊ＝　ＦＩ１　１＂１２　。’‘　

／－２ｌ　／－２２　…　

ｒｎ１　ｒ　…　

１，２，…，　．　，其中ｒ　＝１—６＾／∑（　一　）　，６为可使Ｏ≤　≤ｌ的一个　Ｖ　ｋ＝１　

１．３　求取模糊等价矩阵　

一般情形下，模糊相似关系矩阵仅满足自反性与对称性，然而要聚类Ｒ必须是模糊　

等价关系才行，即要满足传递性，为此需要对Ｒ进行改造．改造的方法是将Ｒ自乘：　

。Ｒ＝Ｒ　，Ｒ　。Ｒ　＝Ｒ　，…　

如此下去，直至某一步出现Ｒｋ＝Ｒ２ｋ，Ｒｋ则是一个模糊等价关系ｔ（Ｒ）．　

１．４　聚类分析　

得到模糊等价关系ｔ（Ｒ）后，可在适当水平Ａ上截取ｔ（Ｒ），将模糊等价关系中大于值　

［收稿日期］２０１０—１２—１３　［基金项目］天水师范学院中青年教师科研资助项目（ＴＳＡ０９３５）　［作者简介］张凡娣（１９８２一），女，甘肃静宁人，讲师，硕士，主要从事模糊统计方向的研究　

・３２・

　张凡娣。贾金平　非数学专业学生数学学习兴趣影响因素的模糊聚类分析　

Ａ的元素归为一类．　

ｚ　影响非数学专业学生数学学习兴趣的因素调杳与分析　

２．１　学生对数。学’学习的兴趣　

调查结果见下图：　

学生对数学学习的兴趣程度　

■　Ｉ常晴必趣　■穰摩辩麓　一一艘　一　太障必趣　■　摩　趣　

图　１　

２．２　教师方面对学生数学学习兴趣的影响　

２．２．１　调查结果　

表１　教师方面对学生数　学学习兴趣的影响的调查结果见下表：　

数学教师方面　影响很大影Ｉ１向较大　一般有点影响没影１２向　

１．教师知识的渊博度与思维　２．教师的敬业与治学　

３．教师的耐心　４．语言的简练性和逻辑性　

５．教学的重难点是否突出　６．教学中知识反馈和强化情况　

７．语言的启发性和幽默感　８．语调是否舒缓、动听　

９．对学生的态度　１０．能否尊重学生差异　１１．对学生学习指导的方式方法　

１２．能否鼓励学生独立思考　１３．教学能否发挥学生的积极性　

１４．教学能否联系学生实际　１５．教学能否联系生活实际　１６．板书是否清楚、重点突出　

１７．教学形式多样性　

１８．教学的进度情况　１９．老师给我的印象　０．３５　０．１６５　

０．３Ｏ５　０．１３５　０．２９５　

Ｏ．１９　Ｏ．１４　

Ｏ．１２　Ｏ．２２　

Ｏ．２５　Ｏ．３ｌ　０．２　

０．２３５　Ｏ．２２５　

０．２　Ｏ．２　

０．２　Ｏ．１　１　

Ｏ．３８　Ｏ．２１　０．３９５　

０．１３　０．３１　０．２０５　

０．２Ｏ５　０．２５５　

Ｏ．１８　Ｏ．３６５　

Ｏ．２９５　Ｏ．２７　０．３８　

０．３６５　０．１６　

Ｏ．１５５　０．２１５　

Ｏ．２２　Ｏ．２５　

０．１４５　０．２５５　０．１８　

Ｏ．２５５　Ｏ．２９５　

Ｏ．２９５　Ｏ．２６　Ｏ．３６５　

Ｏ．２５　０．１６　

０．２９５　０．１４５　

０．１８　Ｏ．１７５　０．２８　

Ｏ．３１５　Ｏ．２８　

０．２７　０．３２　

０．２３　０．１６　０．２４５　

０．２７　０．２２５　

０．１６　Ｏ．２１５　０．１５　

Ｏ．２４５　０．２　

Ｏ．０８　０．１７５　

Ｏ．１８　０．１４　０．２４　

Ｏ．２０５　０．２４　

０．１５　

Ｏ．１８　０．１５５　０．０２５　Ｏ．Ｏ１５　

０．０４　Ｏ．Ｏ３５　

０．０４５　Ｏ．１３　Ｏ．Ｏ９　

Ｏ．２Ｏ５　

０．０５５　Ｏ．０８　Ｏ．１　

０．０６　０．Ｏ８５　Ｏ．Ｏ９５　

０．１２５　Ｏ．０６５　

０．１６　

０．１４　０．０９　

・３３・

　枣庄学院学报　２０１１年第２期　

２．２．２　进行模糊聚类分析　

根据表１中的数据，得到模糊相似矩阵ＪＲ、模糊等价矩阵ｔ（Ｒ）和动态聚类图．　ｒ　１　０．８９９　０．９４９　０．９１２　０．９７５　０．９３　０．９１２　０．８９２　０．９１９　０．９４１　０．９４６　０．９１５　０．９２３　０．９３９　０．９２８　０．９３８　０．９２８　０．９０　ｎ　９６５　ｌ　０．８９８　１　０．８９　０．９４７　０．９Ｏ４　０．９１６　０．９Ｏ７　０．８９４　０．９６９　０．９１２　０．９２１　０　９６９　０．９４８　０．９０３　０．８９４　０．９２４　０．９Ｏ６　０．９１ｌ　０　８７５　Ｉ１　０．９５ｌ　０．８９　ｌ　０．９１２　０．９５１　０．９３９　０．９０５　０．９１　０．９Ｏ２　０．９Ｏ７　０．９２６　０．８９６　０．８９７　０．９６２　０．９４２　ｎ　９５　０．９２３　０．９Ｏ４　ｎ　９４７　ｌ　０．９１２　０　９４７　０．９１　ｌ　０．９２９　０．９４５　０．９５５　０．９２２　０．９３９　０．９３３　０．９１２　０．９４４　０．９３２　０．９３４　０．９３２　０．９５７　０．９３５　０．９５３　ｎ　８８９　ｌ１　０．９７５　０　９Ｏ４　０．９５１　０．９２９　１　０　９４７　０．９３５　０．９０９　０．９２　０．９５３　ｎ９３９　０．９１８　０．９２４　０．９５５　０．９５　０．９５５　０．９４６　０．９２４　０．９５４　Ｉ１　０．９２９　０　９１６　０．９３９　０．９４４　０．９４７　ｌ　０．９４８　０．９６１　０．９２７　ｎ　９３５　ｎ　９３５　０　９２７　０．９２７　０．９７４　０．９７３　０．９７４　０．９７４　０．９５９　０．９２４　ｌ　０．９ｌ２　０．９Ｏ７　０．９０５　０．９５４　ｎ　９３５　０．９４８　１　０．９２８　０．９１１　０．９４６　０．９０１　０．９１７　０．９１６　０．９３７　０．９５　０．９４９　０．９５２　０．９７２　０．８９５　ｌ　０　８９１　０．８９４　０．９１　０．９２２　０．９Ｏ９　０．９６１　０．９２８　１　０．９Ｏ２　ｎ　９０３　０　９Ｏ６　０．９０２　０．９０１　０．９４５　０．９５１　０．９４１　０．９５ｌ　ｎ　９５２　０．８９４　ｌ　０．９１９　０．９６９　０．９Ｏ２　０．９４　０．９２　０　９２７　０．９１１　０．９０２　１　０．９３　０．９５　０．９８７　０．９７５　０．９１４　０．９Ｏ４　０　９３　ｎ　９２３　０．９ｌ５　０．８９９　Ｉ　Ｒ＝ｌ　０．９４　０．９１２　０．９０７　０．９３３　０．９５３　０．９３５　ｎ　９４６　ｎ　９１１３　０．９３　ｌ　０　９３３　０，９３５　０．９４６　０．９２５　ｎ　９２９　０．９３４　ｎ　９５　０．９３３　０．９２２　Ｉ１　０．９４７　０．９２ｌ　ｎ　９２６　ｎ　９ｌ２　０．９３９　０．９３５　０．９０１　０．９０６　０．９５　０．９３３　１　０．９４２　０．９５４　０．９２８　ｎ　９１７　ｎ　９３　０．９３４　０．９０５　０　９４１　Ｉ１　０．９１５　０．９６９　０．８９６　０．９４４　０．９１８　０．９２７　ｎ　９１７　０．９０２　０．９８７　０．９３５　０．９４２　１　０．９７８　０．９１１　０．９１）４　０．９２９　０．９２６　Ｏ．９２　０．８９３　ｌ　０．９２２　０．９４８　０．８９７　０　９３３　０．９２４　０．９２７　ｎ　９１５　０．９Ｏ１　Ｏ．９７５　０．９４６　０．９５４　０．９７８　ｌ　０．９１１　０．９０６　０．９２５　０．９３２　０．９１８　０．９１）５　ｌ１　０．９４　ｎ　９０３　０　９６２　０．９３３　０．９５５　０．９７４　０．９３７　０．９４５　０．９１４　０．９２５　０．９２８　０．９ｌ１　０．９１１　ｌ　０．９７８　０．９７６　０．９５４　０．９４　０，９３５　Ｉ１　０．９２９　０　８９４　０．９４２　０．９３３　０．９５　０．９７３　０．９５　０．９５１　０．９０４　０．９２９　０．９１７　０．９０４　０．９０６　０．９７８　１　０．９６５　０．９６４　０．９５３　０．９２７　ｌ　０．９３６　０．９２４　０．９５　０．９５８　０．９５５　０．９７４　０．９４９　０．９４１　０．９３　０．９３４　ｎ　９３　０．９２９　０．９２５　０．９７６　０．９６５　ｌ　０．９５４　０．９５　０．９２３　ｌ　０．９２９　０　９０６　０．９２３　０．９３６　０．９４６　ｎ　９７４　０．９５２　ｎ　９５１　０．９＂２３　０．９５　０．９３４　０．９２６　０．９３２　０．９５４　０．９６４　０．９５４　１　０．９６　０．９２６　ｌ　ｎ　９０１　０．９１ｌ　０．９１）４　０．９５４　０．９２４　０．９５９　０．９７２　０．９５２　０．９ｌ５　０．９３３　０．９０５　０．９２　０．９１８　０．９４　０．９５３　０．９５　０．９６　１　０．８９ｌ　ｌ　Ｌ０．９６５　０．８７５　０．９４７　０．８８７　０．９５４　０．９２４　０．盼５　ｎ　８９４　０．８９９　ｎ　９２２　０．９４１　０．８９３　０．９ｏ５　０．９３５　０．９２７　０．９２３　０．９２６　０．８９１　ｌ　

￡（　）＝　ｌ　０．９４７　０．９５５　０．９５５　０．９７５　０．９５５　０．９４７　１　０．９４７　０．９４７　０．９４７　０．９４７　０．９５５　０．９４７　１　０．９５８　０．９５５　０　９６２　０．９５５　０　９４７　０．９５７　１　０．９５５　０．９５７　ｎ　９７５　０．９４７　０．９５５　０．９５５　１　０　９５５　０　９５５　０．９４７　０．９６２　０．９５８　０．９５５　１　ｎ　９５５　０．９４７　０．９６　０．９５８　０．９５５　０．９６　Ｏ．９５５　０．９４７　０．９６１　０．９５８　０．９５５　０．９６１　０．９４７　０．９６９　０．９４７　０．９４７　０．９４７　０．９４７　０．９５３　０．９４７　０．９５３　０．９５３　０．９５３　０．９５３　０．９４７　０．９５４　０．９４７　０　９４７　０．９４７　０．９４７　０．９４７　０．９６９　０．９４７　０．９４７　０．９４７　０．９４７　０．９４７　０．９６９　０．９４７　０．９４７　０．９４７　０　９４７　０．９５５　０．９４７　０．９６２　０．９５８　０．９５５　０．９７４　０．９５５　０．９４７　０．９６２　０．９５８　０．９５５　０．９７４　Ｏ．９５５　ｎ９４７　０．％２　０．９５８　０．９５５　０．９７４　０　９５５　０．９４７　０．９６２　０．９５８　０．９５５　０．９７４　０．９５５　０．９４７　０．９６　０　９５８　０．９５５　０．９６　０．９６５　０．９４７　０．９５５　０　９５５　０．９６５　０．９５５　０．９５５　０．９５５　０．９４７　０．９５３　０．９４７　０．９４７　０．９４７　０．９５５　０．９５５　０．９５５　０．９５５　０．９５５　０．９４７　０　９４７　０．９６９　０．９４７　０．９５４　０．９６９　０．９６９　０　９４７　０　９４７　０．９４７　０．９４７　０．９４７　０．９６　０．９６ｌ　０．９４７　０．９５３　０．９４７　０　９４７　０　９４７　０．９６２　０．９６２　０．９６２　０．９６２　０．９６　０　９５７　０．９５７　０．９４７　０．９５３　０．９４７　０．９４７　０．９４７　０．９５７　０．９５７　０．９５７　０．９５７　０．９５７　０．９５５　０．９５５　０．９４７　０．９５３　０．９４７　０．９４７　０．９４７　０．９５５　０．９５５　０．９５５　０．９５５　０．９５５　０．９６　０．９６ｌ　０．９４７　０．９５３　０．９４７　０　９４７　０．９４７　０．９７４　０．９７４　０．９７４　０．９７４　０．９６　ｌ　０．９６　０．９４７　０．９５３　０．９４７　０．９４７　０．９４７　０．９６　０．９６　０．９６　０．９６　０．９７２　０．９５５　０．９６　１　０．９４７　Ｏ　９５３　Ｏ．９４７　０．９４７　０．９４７　０．９６ｌ　０．９６１　Ｏ．９６ｔ　０．９６ｌ　０．９６　Ｏ．９４７　０．９４７　１　Ｏ　９４７　０　９５４　Ｏ．９８７　０．９７８　０．９４７　０．９４７　０．９４７　０．９４７　０．９４７　０．９５３　０．９５３　Ｏ　９４７　１　０．９４７　Ｏ．９４７　０．９４７　０．９５３　０．９５３　０．９５３　０．９５３　０．９５３　０．９４７　Ｏ．９４７　Ｏ．９５４　Ｏ．９４７　１　０．９５４　０．９５４　０．９４７　０．９４７　０．９４７　ｎ　９４７　０　９４７　０．９４７　Ｏ．９４７　Ｏ．９８７　０．９４７　Ｏ．９５４　１　０．９７８　０．９４７　０．９４７　０．９４７　０．９４７　Ｏ．９４７　０．９４７　Ｏ．９４７　Ｏ．９７８　Ｏ．９４７　０．９５４　Ｏ．９７８　ｌ　ｎ　９４７　Ｏ．９４７　Ｏ　９４７　Ｏ．９４７　Ｏ．９４７　０．９６　０．９６ｌ　０．９４７　０．９５３　０．９４７　０．９４７　０　９４７　ｌ　Ｏ．９７８　Ｏ．９７６　Ｏ．９７４　ｎ　９６　０．９６　０．９６ｌ　０．９４７　０．９５３　０．９４７　０　９４７　０．９４７　Ｏ．９７８　１　Ｏ　９７６　Ｏ．９７４　Ｏ．９６　Ｏ．９６　０．９６１　０．９４７　０．９５３　０．９４７　０．９４７　Ｏ．９４７　Ｏ．９７６　Ｏ．９７６　１　０．９７４　Ｏ．９６　０．９６　０．９６１　０．９４７　０．９５３　０．９４７　Ｏ　９４７　Ｏ．９４７　Ｏ．９７４　Ｏ．９７４　０．９７４　１　０．９６　０．９７２　０．９６　０．９４７　０．９５３　０　９４７　０．９４７　Ｏ．９４７　０．９６　Ｏ．９６　Ｏ．９６　０．９６　１　０．９５５　０．９５５　Ｏ　９４７　Ｏ．９５３　０．９４７　Ｏ．９４７　Ｏ．９４７　０．９５５　Ｏ．９５５　０．９５５　０．９５５　０．９５５　

合集下载

数学建模方法模型

数学建模方法模型

数学建模方法模型

一、统计学方法

1 多元回归

1、方法概述:

在研究变量之间的相互影响关系模型时候用到。具体地说:其可以定量地描述 某一现象和某些因素之间的函数关系，将各变量的已知值带入回归方程可以求出因 变量的估计值，从而可以进行预测等相关研究。

2、分类

分为两类:多元线性回归和非线性线性回归;其中非线性回归可以通过一定的变

化转 化为线性回归，比如:y=lnx可以转化为y=u u=lnx来解决;所以这里主要说

明多元线性回归应该注意的问题。

3、 注意事项

在做回归的时候，一定要注意两件事:

(1) 回归方程的显著性检验(可以通过 sas 和 spss 来解决)

(2) 回归系数的显著性检验(可以通过 sas 和 spss 来解决)

检验是很多学生在建模中不注意的地方，好的检验结果可以体现出你模型的优

劣，是完整论文的体现，所以这点大家一定要注意。

4、使用步骤:

(1)根据已知条件的数据，通过预处理得出图像的大致趋势或者数据之间的大

致关系; (2)选取适当的回归方程;

(3)拟合回归参数;

(4)回归方程显著性检验及回归系数显著性检验

(5)进行后继研究(如:预测等)2 聚类分析

1、方法概述

该方法说的通俗一点就是，将n个样本，通过适当的方法(选取方法很多，大 家可以自行查找，可以在数据挖掘类的书籍中查找到，这里不再阐述)选取 m 聚 类中心，通过研究 各样本和各个聚类中心的距离Xij，选择适当的聚类标准，通 常利用最小距离法(一个样本 归于一个类也就意味着，该样本距离该类对应的中心 距离最近)来聚类，从而可以得到聚类结果，如果利用sas软件或者spss软件 来做聚类分析，就可以得到相应的动态聚类图。这种模型的的特点是直观，容易 理解。

2、分类

聚类有两种类型:

(1) Q型聚类:即对样本聚类；

(2) R型聚类:即对变量聚类；

通常聚类中衡量标准的选取有两种:

(1) 相似系数法

校本课程 趣味数学教案 周 受 萍

校本课程 趣味数学教案 周 受 萍

1

闽侯一中校本选修课程

课程名称： 趣味数学

数学组 周 受 萍

2 《趣味数学》校本课程纲要

一、课程开发原则与开发背景

1、开发原则：《趣味数学》课程就是要把“数学有趣，数学有用，数学不难”的理念放在第一位，故名“趣味数学”。本课程让学生在趣味化、生活化的数学教学活动中，自主地建构数学知识，创设轻松、活泼的教学氛围，使教学活动源于学生生活，源于学生好奇之事，引导学生积极运用自己有的生活经验去探索、去发现、去体验，让他们亲身感悟数学知识。根据自己对中学数学节本的了解，设计出有趣的数学课程，对学生进行无痕的引导，降低学生接受的难度。通过学生的探究和发现感受到有趣有用的数学。同时体会我们中国古代光辉的数学成就，有信心学好数学。游戏是学生很好的学习方式和途径，而数学语言却以简练和逻辑为特点。为了把抽象的数学符号变为生动活泼的形象符号，让学生更乐于接受，更容易掌握，《趣味数学》将寓教于乐的传统教学理念移植到单调枯燥的数学教学中，让学生在潜移默化地掌握操作学习法、阅读学习法、迁移类推学习法、发现学习法、尝试学习法等众多学习方法，让学生通过饶有兴趣的认知方式轻松掌握所学的知识。

2、开发背景：“数学是思维的体操”。作为一门研究数量关系与空间形式的科学，数学不仅具有高度的抽象性、严密的逻辑性，而且具有广泛的应用性。数学以高度智力训练价值以及学科本身所具有的特点，为培养发展学生的创造性思维品质提供了极大的空间。数学是学习现代科学技术必不可少的基础和工具，是基础教育的重要组成部分，通过数学思维训练，不仅使学生能够掌握渊博的数学知识，也使那些数学尖子有发挥自己特长的用武之地，更重要的是可以训练他们的思维，增强分析问题和解决问题的能力，促使学生发展，形式健全人格，具有终身持续发展能力的力量源泉。开展教学思维训练活动，对于扩大学生的视野，拓宽知识，培养兴趣爱好，发展教学才能，提供了最佳的舞台，未来的数学家、科学家、诺贝尔奖金的获得者就在他们当中诞生。

数学建模论文题目优选专业题目128个

数学建模论文题目优选专业题目128个

数学建模论文题目优选专业题目128个

1. 基于偏最小二乘法的回归模型研究

2. 城市道路网优化设计模型研究

3. 基于多元时间序列的股票价格预测模型

4. 基于PCA的图像压缩算法研究

5. 基于神经网络的手写数字识别模型研究

6. 基于逻辑回归的信用评分模型研究

7. 基于多元回归的考试成绩预测模型

8. 基于分层抽样的调查数据分析模型研究

9. 基于粒子群算法的车辆路径规划模型

10. 基于高斯混合模型的人脸识别模型研究

11. 基于时间序列的气象预测模型研究

12. 基于模糊数学的交通运输成本评价模型

13. 基于Bayesian模型的风险管理模型研究

14. 基于熵权法的供应链绩效评价模型研究

15. 基于人工神经网络的物流配送路径规划模型

16. 基于聚类分析的消费者购物行为模型研究

17. 基于ARIMA模型的股票价格预测研究

18. 基于线性规划的资源优化配置模型研究

19. 基于灰色关联分析的品牌效应评价模型

20. 基于神经网络的信用卡欺诈检测模型研究

21. 基于分类决策树的客户流失预测模型

22. 基于支持向量机的情感分类模型研究

23. 基于聚类分析的企业竞争战略研究 24. 基于随机森林算法的文本分类研究

25. 基于多元回归的商品价格预测模型研究

26. 基于模糊层次分析法的公共设施优化布局模型

27. 基于BP神经网络的电网负荷预测模型研究

28. 基于熵增资金流动模型的投资组合优化研究

29. 基于支持向量机的时序自然语言处理模型研究

30. 基于贝叶斯网络的风险评估模型研究

31. 基于特征选择的糖尿病研究模型

32. 基于ARMA-GARCH模型的黄金价格预测研究

33. 基于随机森林算法的房价预测模型研究

34. 基于半监督学习的数据建模方法研究

35. 基于神经网络的新闻情感分析模型研究

36. 基于多元回归的用户购买意愿预测研究

37. 基于主成分分析法的医学数据挖掘模型研究

模糊数学课程双语教学的探讨研究

模糊数学课程双语教学的探讨研究

第３１卷第２期　２０１４年２月　吉　林　化　工　学　院　学　报　ＪＯＵＲＮＡＬ　ＯＦ　ＪＩＬＩＮ　ＩＮＳＴＩＴＵＴＥ　ＯＦ　ＣＨＥＭＩＣＡＬ　ＴＥＣＨＮＯＬＯＧＹ　Ｖｏ１．３１　Ｎ０．２　Ｆｅｂ．　２０１４　

文章编号：１００７—２８５３（２０１４）０２－００２７－０３　

模糊数学课程双语教学的探讨研究　

王威娜，史彦丽　

（吉林化工学院理学院，吉林吉林１３２０２２）　

摘要：模糊数学是高校教学中一门重要的数学专业课，开展双语教学已紧跟国际发展趋势，是必然之　举。文中给出了模糊数学课程实施双语教学的必要性和目的，同时对模糊数学课程双语教学的具体实　施进行了深入的研究，并提出了相应的意见及建议。　

关键词：模糊数学；双语教学；教学方法　中图分类号：Ｇ６４２　文献标志码：Ａ　

双语教学已成为近年来教育改革的热点，它　

可以为学生搭建一个国际化的教育平台，培养出　

既有丰富专业知识又精通外语的人才，使学生有　

机会直接接受具有国际先进水平的科学教育，有　

利于学生吸收世界先进的科技、文化知识　。因　

此，双语教学成为教育改革的方向，更是教育改革　

义不容辞的历史重任。　

如何在双语教学的课堂上使得课程目标和语　

言目标都得到实现，如何有效的让学生掌握专业　

知识的同时提高专业英语水平仍是一个值得研究　

的问题。因此，本文就大学模糊数学课程双语教　

学的方法进行探讨研究，以期待为大学数学教育　

做出微薄的贡献。　

一、模糊数学课程实行双语教学的必　

要性　

模糊数学是描述和处理人类语言中所特有的　

模糊信息的理论，是研究现实世界中许多界限不　

分明甚至是很模糊问题的数学工具　。模糊数　

学从它诞生的那天起，便和计算机的发展息息相　

关，相辅相成。没有计算机就没有模糊数学；没有　

模糊数学，计算机的应用也会大大的受到限制。　

因为利用模糊数学构造数学模型，来编制程序可　

以更广泛、更深入地模拟人的思维。而且模糊数　

学把数学的应用范围从精确现象领域扩大到模糊　

现象领域，因此它的适应面也就比传统数学广泛　得多。模糊数学已在聚类分析、模式识别、系统评