基于IAHP-BP神经网络的大学生综合能力评价方法研究.pdf
《基于IAHP-BP神经网络的大学生综合能力评价方法研究.pdf》由会员分享,可在线阅读,更多相关《基于IAHP-BP神经网络的大学生综合能力评价方法研究.pdf(8页珍藏版)》请在咨信网上搜索。
1、第 卷第期 年月太 原 师 范 学 院 学 报(自然科学版)J OUR NA LO FT A I YUANNO RMA LUN I V E R S I T Y(N a t u r a lS c i e n c eE d i t i o n)V o l N o M a r 收稿日期:基金项目:山西省基础研究计划(自由探索类)();山西省高等学校科技创新计划(L )作者简介:段凯歌(),男,山西陵川人,在读硕士研究生,主要从事机器学习、数据挖掘等方面的研究通信作者:亓慧,教授,q i h u i t y n u e d u c n 基于I A H P B P神经网络的大学生综合能力评价方法研究段凯
2、歌,亓慧,史颖,祁晓博,王笑斌,吴晨旭(太原师范学院 计算机科学与技术学院,山西 晋中 )摘要对大学生的综合评价需要考虑到德智体美劳多个方面,大多研究通过对大学生学习方面数据对大学生的综合能力水平进行评测,忽略了其他维度的信息应用I AH P B P神经网络算法对大学生综合能力进行评价,确保了评价的多维度,兼顾了I AH P的主观评价和B P神经网络的客观评价,使得评价结果更加接近于真实情况实验结果表明,应用此方法评价大学生的综合能力,相对误差可以控制在 以内,较为客观反映了大学生综合能力水平 关键词 I AH P B P神经网络;大学生综合能力;评价模型 文章编号 ()中图分类号T P 文献
3、标识码A 引言随着时代的发展,大学生的综合能力素养越来越受到学校、企业和社会的重视,针对如何评测大学生综合能力的问题,许多研究提出了独特的解决方案文献 通过分析学生在线学习日志数据,改进了学习绩效评价模型,进而更好地评价学生的能力文献 通过研究学生在线学习的状态、态度、情感、交流互动、学习需求和兴趣等日常学习行为,构建出学生综合评价模型文献 通过分析学习者的能力水平,推荐了不同的学习路径,并通过是否选择推荐路径评测最终的学习绩效文献 通过对学生在线学习的数据挖掘,注重学习过程和学习产出,创建了在线教育的自动评价模式但是,文献 通过收集在线学习数据进行评价学生的综合能力,忽略了思想品德、身心健康
4、、实践等维度的评测文献 通过S O FM(S e l f O r g a n i z i n gF e a t u r eM a p s)神经网络,将学生多个维度的高维数据映射到了低维空间,提高了学生综合评价的合理性但是随着样本数据的增多,S O FM网络的尺寸规模也会增大,并且样本数据在训练过程中进行降维时会产生畸变的现象文献 运用了AH P(T h eA n a l y t i cH i e r a r c h yP r o c e s s)和B P(B a c kP r o p a g a t i o n)神经网络对大学生进行评价,该文运用l o g s i g m o i d函数作为神
5、经元传递函数,计算复杂度高,最终误差在以内,有很大的优化空间为了从多个维度更加精准地评测大学生的综合能力水平,本文基于I AH P B P(I m p r o v e dA n a l y t i cH i e r a r c h yP r o c e s sa n dB a c kP r o p a g a t i o n)神经网络对大学生综合能力进行测评研究首先,采用I AH P(I m p r o v e dA n a l y t i cH i e r a r c h yP r o c e s s)的方法确定大学生综合能力评价指标,确定了思想道德、学业文化、身心健康、知美爱美、躬行实践五
6、个维度的信息,通过I AH P算法计算各项评价指标的权重,以减少主观设置权重的随意性,相对于AH P方法,简化了评价过程的流程和降低了计算复杂度其次,利用B P神经网络学习I AH P计算得到的权重信息,获取较为严谨的权重数据,降低人为赋值的主观性最后,本文将I AH P评价法和B P神经网络评价法组合使用,不仅对大学生的综合能力进行了定性评价,而且进行了定量分析,使得评价结果更加可靠研究发现,基于I AH P B P神经网络评价大学生的综合能力相对误差可以控制在以内,具有一定的可靠性 相关技术 I AH PI AH P是一种改进AH P的算法,AH P结合评价的主题将评价任务分解为目标、准则
7、、方案等层次,构造判断矩阵进行定性评价和定量评价,由易到难评测,破解多指标评价难题但传统的AH P算法具有矩阵高阶运算复杂、一致性检验与矩阵运算分开进行的缺点,I AH P算法对前述问题进行了改进,其算法过程如下:S t e p 将评价问题分层处理,分解成目标、准则、方案等层次,根据评价任务,从宏观和微观的角度设置评价指标,形成合理的评价模型如图所示图 I AH P评价模型概念图S t e p 设准则层有n个评价指标,根据表对不同指标之间相互两两比较,构造准则层对于目标层的判断矩阵AAa a ana a anananan n(ai j)nn,(i,n;j,n),判断矩阵A满足:)所有标度均为正
8、数,即ai j;)关于主对角线对称的两标度互为倒数,即ai jai j;)对角元素的标度均为,即ai j表判断矩阵的标度原则表标度含义两个指标相比,具有同样的重要性两个指标相比,前者比后者稍重要两个指标相比,前者比后者明显重要两个指标相比,前者比后者极其重要两个指标相比,前者比后者强烈重要,两个指标重要程度介于以上两者之间的倒数相应两个指标交换次序比较的重要性S t e p 使用N u m P y库中的e i g函数计算判断矩阵A的特征值m a x和相应的特征向量W(w,w,wn)T,对特征向量W计算权重向量,公式如下:WA(w,w,wn)TwiniwiT()式中w,w,wn为准则层各指标的权
9、重值,WA即为准则层各指标的权重向量S t e p 将S t e p 计算得到的m a x和表中一致性检验标准m a x进行对比,如果m a xm a x,则一致性检验通过,不通过则返回S t e p,调整判断矩阵中的值,重新计算各指标的权重值方案层各指标的权重计算方法与前述算法步骤相同表 I AHP中n阶矩阵一致性检验标准m a x阶数nm a x B P神经网络B P神经网络是一种常用的人工神经网络,人工神经网络通过模拟大脑对事物认知的学习状态,对获取到的信息进行自适应处理,使得问题能够迎刃而解 B P神经网络通过对训练样本的学习,能够将输入对象和太 原 师 范 学 院 学 报(自然科学版
10、)第 卷图三层B P神经网络的评价模型结构图输出对象之间的复杂对应关系显示出来 B P神经网络通过赋给输入层神经元不同的权重w和偏置b,将计算结果模拟为生物学神经元的电信号传递给下一层神经元,直至输出层如果在输出层不能得到期望的输出,则转入反向传播,将误差信号沿原来的连接通路返回,通过修改各神经元的权值,使得误差信号最小 神经网络在权向量空间进行误差函数梯度下降,动态迭代各层神经元权向量值,直到输出数据在误差范围内停止计算 本文采用的是三层结构的B P神经网络的评价模型,结构图如图所示 基于I A H P B P神经网络的大学生综合能力评价方法基于I AH P B P神经网络的大学生综合能力评
11、价方法包括个步骤:)确定大学生综合能力评价指标;)计算评价指标权重;)评价样本数据预处理;)评价模型的训练;)评价模型的检验 确定大学生综合能力评价指标通过查阅大学生综合能力评价的相关文献 ,采用问卷调查的方式对教师、学生、企业人员等进行统计信息,发放 余份调查问卷,有效问卷 份,经过分析初步建立了大学生综合能力评价指标评价指标包括思想道德能力、学业文化能力、身心健康素质、知美爱美能力、躬行实践能力项二级指标和 项三级指标,如表所示表大学生综合能力评价指标一级指标二级指标三级指标思想道德能力B 政治表现C 参加党团活动次数、党团培训次数等遵纪守法C 迟到、旷课、通报次数等学业文化能力B 专业成
12、绩C 各门专业课的总成绩学习表现C 专业竞赛次数、等级等身心健康素质B 体育活动C 参加院系运动会次数等知美爱美能力B 寝室建设C 寝室卫生评比、装饰评比排名等公益活动C 参加院系公益活动、社团活动次数等社会公德C 参加院系志愿者次数、献血次数等躬行实践能力B 集体活动C 参加班级活动次数等实践风采C 担任学生干部,获奖次数等 计算评价指标权重通过I AH P算法计算出各一级指标的权重,根据问卷调查统计所得的有效数据构造准则层判断矩阵,如表所示表准则层判断矩阵AB B B B B B/B B/B/B/使用N u m P y库中的e i g函数计算该矩阵的特征值m a x ,特征向量W(,)T,
13、准则层各指标的权重向量WA(,)T根据表可知,阶矩阵一致性检验标准m a x ,而m a xm a x,判断矩阵有效第期段凯歌,等:基于I AH P B P神经网络的大学生综合能力评价方法研究表判断矩阵B CB C C C C C C 表大学生综合能力评价指标权重一级指标二级指标思想道德能力B:政治表现C :遵纪守法C :学业文化能力B:专业成绩C :学习表现C :身心健康素质B:体育活动C :知美爱美能力B:寝室建设C :公益活动C :社会公德C :躬行实践能力B:集体活动C :实践风采C :根据表,二级指标C 、C 、C 、C 、C 、C 、C 构建相对于一级指标的判断矩阵的阶数为,无法通
14、过一致性检验,权重设为有效统计数据的平均值二级指标C 、C 、C 相对于B 的判断矩阵B C如表所示计算得出该判断矩阵的特征值m a x ,特征向量W(,)T,一级指标B 下各指标的权重向量W(,)T根据表可 知,阶 矩 阵 一 致 性 检 验 标 准m a x ,而m a xm a x,判断矩阵有效综上,大学生综合能力评价指标权重如表所示 评价样本数据预处理根据大学生综合能力评价指标,采取问卷调查的方式,收集某高校大学生综合测评数据根据综合测评数据对数据进行预处理,以百分制对二级评价指标进行打分,整理出大学生综合能力评分表整理后有效数据为 条,条数据作为学习样本,条数据作为检验样本,部分数据
15、如表所示表大学生综合能力评分表(部分)序号C C C C C C C C C C 总分 由于收集到的数据具有不同的大小,训练中如果直接使用原数据值,则会增强高数值指标的比重为了保证分析结果的可靠性,需要对原始的数据进行归一化处理 常见的归一化处理方法有两种,M a x A b s S c a l e r是根据最大值的绝对值进行标准化,即某列原数据为x,则新数据为x|xm a x|,结果控制在,的范围而M i n M a x S c a l e r方法对原始数据进行线性变换,将结果保存在,区间,转化函数如下:x xxm i nxm a xxm i n()式中x为样本原数据,xm a x为样本最大
16、值,xm i n为样本最小值,x为归一化结果 因为评分都为正数,不存在小于的情况,所以本文归一化处理方法选用M i n M a x S c a l e r 评价模型训练 网络结构的确定评价样本数据处理后使用B P神经网络进行训练 B P神经网络评价模型首先要明确各层神经元节点的太 原 师 范 学 院 学 报(自然科学版)第 卷数量以及合理的隐含层的层数,由于单隐含层的网络具有良好的非线性映射能力,所以本文采用单隐含层的网络结构 神经元数量的确定将二级评价指标的数量作为输入层,评价结果数量作为输出层,若隐含层的神经元数量较少,则容易出现网络学习精度不高、拟合性较差、学习时间过长等问题,若数量过多
17、,会导致网络泛化能力变差根据经验,使用试凑法来确定隐含层的神经元数量,隐含层的神经元数量m计算公式如下:mnp,(,)()式中n为输入层神经元数量,p为输出层神经元数量,为 的常数 本文基于A d a m算法、随机梯度下降(S G D)算法、A d a g r a d算法的B P神经网络进行模型训练,使用试凑法确定隐含层神经元的数量采用T e n s o r F l o w构建神经网络,运用以上三种算法进行训练,设置最大迭代次数为 次设E(w)是所有样本训练一次后的均方误差值,通过E(w)的结果变化确定隐含层神经元的数量E(w)公式如下:E(w)Pp(dpop)()式中p是样本序号,P是样本数
18、量,dp是样本p的期望输出,op是样本p的实际输出,w是网络权值和阈值组成的向量 通过实验确定隐含层神经元数量和E(w)最大值的关系,如表和图所示表隐含层神经元数量m与E(w)最大值的关系隐含层神经元数量mA d a m算法S G D算法A d a g r a d算法 经过分析可以发现,当隐含层神经元个数为时,E(w)三种算法下都达到了最小,所以本文的B P神经网络结构为 最佳优化算法的选择及模型训练本文运用A d a m算法、随机梯度下降(S G D)算法、A d a g r a d算法从网络均方误差、迭代次数对三种算法进行对比,因此部分参数的选取要一致,采用 的单隐层B P网络,最大迭代次
19、数为 ,目标误差默认为,损失函数采用均方误差M S E(M e a nS q u a r e dE r r o r)使用表的训练数据,对评价模型进行训练当达到网络最大训练次数或目标误差时结束训练,保存网络的权重,作为对大学生综合能力评价的最优模型本文将A d a m算法、随机梯度下降(S G D)算法、A d a g r a d算法三种优化算法进行对比,选取最佳优化算法实验采用 的三层网络结构,设置学习次数为 次,最小收敛误差值为,损失函数采用均方误差函数M S E对表中的样本数据进行学习训练,实验如下:实验:验证基于A d a m算法的B P神经网络对大学生综合能力进行评价的效果,如图所示,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 IAHP BP 神经网络 大学生 综合 能力 评价 方法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。