支持向量机在高考成绩预测分析中的应用

发布时间：2018-06-16 10:59

  本文选题：支持向量机 + 高考　； 参考：《中国科学技术大学学报》2017年01期

【摘要】：支持向量机作为一种机器学习算法因其良好的推广性和强大的非线性处理能力而令人瞩目.为此将支持向量机与国家高考的实际数据相结合,以具体高校的高考模拟考试成绩为主要训练数据,进行学生的高考成绩预测.实验考虑了三种情形.一是通过六次模拟考试的特征分来预测高考的特征分;二是通过六次模拟考试和高考的特征分来预测高考的录取批次;三是通过六次模拟考试的特征分和高考的预测特征分来预测高考的录取批次.通过与神经网络算法的比较,实验结果均表明了支持向量机方法的稳定性和良好的预测性.
[Abstract]:As a machine learning algorithm, support vector machine (SVM) attracts much attention because of its good generalization and strong nonlinear processing ability. In this paper, support vector machine (SVM) is combined with the actual data of the national college entrance examination. The main training data are the simulated test results of the college entrance examination, and the results of the students' college entrance examination are forecasted. Three cases were considered in the experiment. The first is to predict the characteristic score of the college entrance examination by the characteristic points of the six simulated examinations, the other is to predict the batch of the entrance examination by the characteristic points of the six simulated examinations and the college entrance examination. The third is to predict the matriculation batch of the college entrance examination by the characteristic score of six simulated examinations and the forecast characteristic score of the college entrance examination. Compared with the neural network algorithm, the experimental results show that the support vector machine method is stable and predictable.
【作者单位】： 苏州大学计算机科学与技术学院;
【基金】：国家自然科学基金(61373093,61672364) 江苏省自然科学基金(BK20140008) 江苏省高校自然科学研究项目(13KJA520001) 江苏省青蓝工程资助
【分类号】：TP181

【相似文献】

相关期刊论文 前10条

1 吴娟;范玉妹;王丽;;关于改进的支持向量机的研究[J];攀枝花学院学报;2006年05期

2 刘硕明;刘佳;杨海滨;;一种新的多类支持向量机算法[J];计算机应用;2008年S2期

3 尹传环;牟少敏;田盛丰;黄厚宽;;单类支持向量机的研究进展[J];计算机工程与应用;2012年12期

4 王云英;阎满富;;C-支持向量机及其改进[J];唐山师范学院学报;2012年05期

5 李逢焕;;试述不确定支持向量机应用分析及改进思路[J];中国证券期货;2012年12期

6 邵惠鹤;支持向量机理论及其应用[J];自动化博览;2003年S1期

7 曾嵘,蒋新华,刘建成;基于支持向量机的异常值检测的两种方法[J];信息技术;2004年05期

8 张凡,贺苏宁;模糊判决支持向量机在自动语种辨识中的研究[J];计算机工程与应用;2004年21期

9 魏玲,张文修;基于支持向量机集成的分类[J];计算机工程;2004年13期

10 沈翠华,邓乃扬,肖瑞彦;基于支持向量机的个人信用评估[J];计算机工程与应用;2004年23期

相关会议论文 前10条

1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届（2011）中国管理学年会——商务智能分会场论文集[C];2011年

2 刘希玉;徐志敏;段会川;;基于支持向量机的创新分类器[A];山东省计算机学会2005年信息技术与信息化研讨会论文集（一）[C];2005年

3 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

4 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年

5 刘骏;;基于支持向量机方法的衢州降雪模型[A];第五届长三角气象科技论坛论文集[C];2008年

6 王婷;胡秀珍;;基于组合向量的支持向量机方法预测膜蛋白类型[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年

7 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

8 周星宇;王思元;;智能数学与支持向量机[A];2005年中国智能自动化会议论文集[C];2005年

9 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年

10 侯澍e，

本文编号：2026427