基于SVM的大学实力评价系统研究

发布时间：2020-07-31 09:18

【摘要】：作为高等教育质量监督和评价体系的必需成分，大学评价具深远的社会意义，可以引导学生择校，引导资金流向，促进大学竞争，吸引国人关注高等教育，等等。中国的大学评价起步较晚，目前还具有相当的不成熟性。 统计学习理论(Statistical Learning Theory)是一种专门研究有限样本下机器学习规律的理论。它不仅考虑了对推广能力的要求，而且追求在现有有限信息的条件下得到最优结果。支持向量机(Support Vector Machine)是在统计学习理论基础上发展而来的一种新的模式识别方法，在解决有限样本，非线性及高维模式识别问题中表现出许多特有的优势。 本文的工作是将支持向量机的理论和方法引入大学评价领域。为达到这个目的，在详细研究大学评价和支持向量机的最新进展和各自特点的基础上，构建了基于SVM的评价系统。 在这个过程中，本文主要解决了三个问题。问题包括：将评价问题转化为分类，多类分类，以及将分类结果转化为绝对分值。我们通过将各学校的对应数据拼接形成大向量，并定义学校之间关系的类别为“相对强”，“相对弱”以及“实力相当”，解决了将学校评价转化为分类的问题。经典的支持向量机分类算法是针对二值分类的，本文选用一对一组合方式，采用3个二值分类的分类器来完成三类分类，解决了多类分类问题。将所有学校分别与其他所有学校进行类似循环赛的两两比较，并通过对类别标签的进一步定义和相应的数据处理，完成了核心为SVM算法的评价流程。本文通过大量实验，完成了与基于Fisher的评价系统，基于PCA的评价系统的比较，验证了基于SVM的评价系统的优越性；选择了不同的核函数，构成对应的各种SVM，调整参数，选定性能最好的SVM完成系统的构建。最后，结合教育界专家的意见，本文应用基于SVM的评价系统，对指标体系进行调整，得到实验结果并初步分析，为专家们做进一步的分析提供研究依据。
【学位授予单位】：南京工业大学
【学位级别】：硕士
【学位授予年份】：2003
【分类号】：G647

【参考文献】

相关期刊论文 前10条

1 刘则渊,姜照华,韩震;中国大学评价新探[J];大连理工大学学报(社会科学版);2002年01期

2 高学,金连文,尹俊勋,黄建成;一种基于支持向量机的手写汉字识别方法[J];电子学报;2002年05期

3 庄锁法;基于层次分析法的综合评价模型[J];合肥工业大学学报(自然科学版);2000年04期

4 田盛丰,黄厚宽;基于支持向量机的数据库学习算法[J];计算机研究与发展;2000年01期

5 张雅波,张跃龙;定性预测方法[J];吉林建筑工程学院学报;1999年01期

6 萧嵘;王继成;张福炎;;支持向量机理论综述[J];计算机科学;2000年03期

7 肖健华,吴今培,杨叔子;基于SVM的综合评价方法研究[J];计算机工程;2002年08期

8 武书连,吕嘉,郭石林;中国大学研究与发展成果评价(节录)[J];科学学与科学技术管理;1997年07期

9 刘纯朝;从《中国大学评价》谈大学的研究与发展[J];科学学与科学技术管理;1999年08期

10 武书连,吕嘉,郭石林;中国大学评价——1997·研究与发展[J];科学学与科学技术管理;1999年09期

本文编号：2776279