本科工程质量认证对高校的教学课程改革和教学管理等工作都具有重要的指导意义,选取合适的评价方法对高校的本科工程质量认证工作起到事半功倍的作用。本科工程质量认证工作从教学水平和学生学习成果两个方面进行,因此本文从教师教学水平和学生学习成果两个方面进行数据分析。对高校质量水平进行评价时,通常会以到课率和学生成绩等为主,但是这些评价方法都难免有些片面,不能准确反映出教师的综合教学水平和学生各方面的能力。因此,本文将定量与定性方法结合使用,从各个方面研究分析模糊聚类在本科工程质量认证中的应用。模糊聚类方法(FCM)是数据挖掘技术中一项重要的分析方法,因为该方法原理简单、容易实现以及收敛速度快等特点,被广泛应用在各行各业。FCM算法的聚类个数是需要提前设定并且初始中心也是随机生成,一般会导致聚类结果过早收敛,最终聚类结果不是理想,因此本文将FCM聚类算法与遗传算法相结合,以达到FCM聚类算法最终收敛结果达到全局最优,最后将GA-FCM算法应用到本科工程质量认证中去。本文介绍了数据挖掘技术的相关理论,着重介绍了经典聚类算法和FCM聚类算法的原理及实现流程,分析经典聚类算法和模糊聚类算法的优缺点,为了使FCM聚类算法结果更优,选择使用遗传算法改善其缺陷,并且使用UCI机器学习库中的标准数据集进行实验和结果分析,证明其能够有效改善聚类结果。其次采用问卷调查的方法对教师水平进行评价分析,从基本能力、教学方法、教学内容、教学态度、教学效果这五个方面进行数据收集,使用python3中的第三方库pandas对样本数据进行数据清洗,采用基于遗传算法的FCM聚类算法对整理好的数据进行数据处理,并对其进行结果分析,从而为吉林建筑大学电气于计算机学院电气专业的老师提供改善教学工作的相关数据。最后,依托于《吉林建筑大学工程类专业平台》对学生的学习成果进行分析评价。将学生的各科成绩,根据每门课程在毕业要求中占的权重进行数据处理,并且采用了电气工程及其自动化专业的12条课堂目标标准准备数据,最后进行聚类和结果分析,这样可以指导教师在教学工作中针对不同特点的同学,选取恰当的教学方法,最大程度发挥学生的优势,补齐短板,最终使所有学生能达到毕业要求,成为强综合型工程技术人才以满足社会需求。