1. 研究目的与意义
在传统的学生评价系统中，在对一个学生的各项素质进行评价时，起到决定作用的必然是学习成绩。而其他的重要指标用于学生评价，如：身体素质，政治思想等，往往只是在期末总评时，由老师的主观印象打分，给与优良中差的不同等第；
在如今的大学阶段，评价一个学生的优异是由成绩绩点为主要指标，辅以在校期间参加的活动、获得的奖项成绩等结合为综合成绩进行评价，是较为准确与可行的。同时也因学生的思想表现，体育素质等评价指标不易量化评级与操作，只是作为辅助的参考手段，也忽视了一部分同学在此表现优异的可能。本文试想通过了解主成分分析算法的主要思想，用一种更全面的分析方法对学生评价起到帮助作用，在一定程度上优化现行的大学学生综合素质评价体系。
2. 课题关键问题和重难点
按设计要求，首先通过查阅资料理解什么是主成分分析算法，了解主成分分析法的分析重点，以及如何使用主成分分析法对数据进行分析处理。接着了解MATLAB软件的使用，如何使用MATLAB进行数据分析和如何使用MATLAB建立图形界面便于数据处理分析。设计程序将数据处理的过程演示出来。在了解了主成分分析法的分析流程后，如何获取需要的学生数据来源，如何依据获取的学生多项成绩数据进行分析处理，获取需要的各项主成分，并在主成分分析的方法下建立自己的评价学生综合素质标准。
建立评价标准后，按照自己建立的学生综合素质评价系统，对选择的学生成绩进行分析评价，比较主成分分析法建立的评价系统和传统评价系统之间的区别。
3. 国内外研究现状（文献综述）
主成分分析（Principal Component Analysis，PCA），是一种统计方法。在用统计分析方法研究多变量的课题时，变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较多。在很多情形，变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠。主成分分析是对于原先提出的所有变量，将重复的变量（关系紧密的变量）删去多余，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量在反映课题的信息方面尽可能保持原有的信息。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。
PCA分析的一般步骤如下：
1.数据预处理。PCA根据变量间的相关性来推导结果。用户可以输入原始数据矩阵或者相关系数矩阵到principal()和fa()函数中进行计算，在计算前请确保数据中没有缺失值。
4. 研究方案
1、通过查阅文献了解主成分分析法的原理，熟悉该分析法对数据的操作，理解对数据操作的每一步运用到的公式，从而提高对算法的认识。
2、理解使用MATLAB软件，了解如何通过此软件进行数据分析和建立图形界面程序。
3、寻找并获取需要分析的学生各项评价指标，运用主成分分析法对数据进行分析。
5. 工作计划
1-2周：查看并初步理解毕业设计任务，如题目背景、工作需求等； 通过查阅文献、资料，了解任务的大体研究方向，确定文献的选择
3-4周:完成外文翻译、开题报告； 通过网络对外文文献中出现的各种专业术语进行理解，并以此为依据搜索后面所需要的国内有关文章,为论文的撰写提供保障，详细了解课题任务内容,对课题需求做出判断。完成开题报告，并对后面的任务进行规划。
5-6周:在理解算法的基础上，进行算法实现软件分析。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
