教师的教学质量是教育教学的核心,如何提高学校的教学质量是教育工作者永恒的话题。自教育部制定每五年进行一次教学评估以来,为了达到评估的要求,各高校根据本校的实际情况纷纷进行的改革。随着评估活动的展开,许多高校都渴望拥有一套自己的教学质量评价体系,以便对本校的教学质量进行预评估。支持向量机是目前应用最广泛的机器学习算法之一,它能在样本非常有限的情况下进行有效的统计学习。考虑到支持向量机出色的学习性能,非常适用于教学质量评价系统,本文对传统的支持向量机进行了优化,提出了一种改进的二叉树支持向量机多分类算法,并将该算法应用于教师教学质量的评价中。总结起来,本文的主要工作表现在以下几方面：1、学习现有支持向量机多分类算法的基本理论,比较这些算法的各项性能指标,重点分析它们的不足之处,然后寻找可行的优化方法。2、为了减少二叉树结构造成的“错误累积”现象对评价结果的影响,本文遵循最容易分割的类首先分离的原则,对现有的二叉树支持向量机多分类算法进行优化,提出一种新的支持向量机多分类方法。此外,算法选择类别之间的“相对距离”作为衡量两个类之间差异程度的标准,同时考虑了样本的类中心和分布情况对分类的结果准确度的影响,相比之下更加科学可行。3、分析目前国内教学质量评价的实际情况,将改进后的多分类算法应用到高校的评估体系中,提出了一个基于优化算法的的教学评价模型,并通过实验获得了较好的结果。