基于粗糙集和SVM的国防生综合素质测评方法研究

发布时间：2020-05-31 18:58

【摘要】：随着全球竞争日益加剧,世界各国对人才的重要性有了更深刻的认识。人事测评作为人力资源管理部门进行人事管理决策的一个重要依据,当前,不同企业和政府机关的人力资源部门都不同程度地运用人事测评以提高管理效能,然而如何提高人事测评的客观性和准确性一直是开展人事测评工作的一个难题。人事测评实质即对各类指标数据进行综合分析判断,这属于典型的非线形分类问题。随着计算机技术的不断发展,机器学习方法可以从已给数据中发现知识和规律,并指导人类进行分析判断,因而受到越来越多的关注。运用机器学习方法进行人事测评已成为当前人事测评方法研究的热点。 首先构建了国防生综合素质测评指标,并明确了指标量化和评估标准。其次分析了粗糙集理论的基本原理,介绍一种对国防生素质指标进行简约的方法。然后阐述了支持向量机的分类原理,主要对支持向量机的一对多、一对一、二叉树SVMs和DAG-SVMs分类方法进行了分析,同时提出了一种结合二叉树SVMs和DAG-SVMs方法特点的混合分类方法。最后,将粗糙集和支持向量机同时运用到国防生的综合素质测评中,即首先利用粗糙集对国防生属性数据进行简约,然后利用支持向量机对简约后的国防生属性数据进行分类。实验中,以国防生的各项素质指标作为输入属性,以优秀、良好、合格和问题四种类别作为国防生综合素质判别属性。对某高校170名国防生进行的分类实验分为2组,第一组以2011年3月份采集的数据作为研究对象进行分类研究,按照三比一的关系分配训练样本和测试样本,第二组以2011年3月份采集到的数据为训练样本,以同年5月份采集的数据为测试数据进行分类研究。 实验结果表明,基于粗糙集和支持向量机的分类方法可以为国防生管理者提供客观有效的决策依据。粗糙集的使用达到了优化训练模型的目的,粗糙集和支持向量机组合方法的分类精度比单独使用支持向量机的分类精度要高。
【图文】：

出:“测评工具落后是目前中国人事测评业面临的主要问题之一”。2009年，北森研究院与中国人力资源开发国际交流协会合作完成的一项针对中国企业人事测评应用现状的调查(如图1.1)显示，超过半数的人力资源部门都将测评工具应用在招聘环节，包括社会招聘(602%)、中高层招聘和选拔(54.1%)和校园招聘 (51.0%)，测评工具还被广泛应用于员工素质评估(45.9%)、领导力评估(38，8%)和辅助员工进行职业生涯规划(26.5%)。中国企业人事测评应用现状的调查7仪00%6000另SQ歇00%4。;00%30‘00%20、00%IQ、00%O;00%瘫使用率碳才扩者…扩丫图1.1中国企业人事测评应用现状的调查 Fig.1.1APPljeationofthePersonnelassessmentintheChineseenterprises胡主席曾强调指出:“要建立健全科学的干部实绩评价标准和体系。只有使干部的工作成绩得到全面、客观、公正的评价，才能充分调动他们坚持求真务实的积极性和主动性。”经过近些年的发展，我国军队和政府机关的人才选拔也从单纯的政治考核(原来叫政审)逐步走向科学的全面测评。我国己经初步形成以职位分析技术为前提，以笔试和结构化面试为主体，以评价中心技术、心理测试、资历评价等为辅助手段的具有中国特色的人事测评方法体系。当前

基于粗糙集和S砚刃的国防生综合素质测评方法研究一kuhn一Tucher)条件，最优解满足条件:a‘卜‘((wT·x‘)+b)一1」一0，‘一1，…，‘为每个约束条件中对应的Lagrange乘子，可以通过已知的支持此凸二次规划问题，由此可以得到最终的分类函数:s夕n{((wT·x)+b)}=s夕n{艺{=la‘夕‘(x‘·x)+b}间隔分类器。针对样本中可能存在的噪音数据而导致的不能4显示存在不满足约束条件又【(w·xi)+b]21的样本点，，通过到“软化”后的约束条件:夕‘l(wT·x‘)+b」21一夸‘杏‘之0，i=1，…，
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：E075

【相似文献】

相关会议论文 前10条

1 ;A Tool Wear Predictive Model Based on SVM[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

2 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年

3 司爱威;冯辅周;江鹏程;饶国强;王建;;基于可变风险SVM模型的故障识别方法研究[A];第十届全国振动理论及应用学术会议论文集（2011）上册[C];2011年

4 王红伟;董慧;;一种提高SVM分类精度的调制信号识别方法[A];2010年西南三省一市自动化与仪器仪表学术年会论文集[C];2010年

5 ;Improved Particle Swarm Optimized SVM for Short-term Traffic Flow Predication[A];第二十六届中国控制会议论文集[C];2007年

6 宋鑫颖;周志逵;;一种基于SVM的主动学习文本分类方法[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

7 邵杰;叶宁;容亦夏;;基于SVM的多波束测深数据滤波[A];第二十九届中国控制会议论文集[C];2010年

8 于湘涛;周峰;张兰;魏超;;基于SVM和田口方法的石英挠性加速度计健壮性设计[A];质量——持续发展的源动力：中国质量学术与创新论坛论文集（下）[C];2010年

9 ;Adaptive Control of Nonlinear System Based on SVM Online Algorithm[A];中国自动化学会控制理论专业委员会D卷[C];2011年

10 张睿;陈雪;马建文;;基于递归SVM的高光谱数据特征选择算法研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

相关重要报纸文章 前10条

1 郭涛;利用SVM虚拟化技术实现容灾[N];中国计算机报;2008年

2 ;栉风沐雨铸辉煌 继往开来谱华章[N];人民邮电;2006年

3 王玮 蔡莲红;数据挖掘走入语音处理[N];计算机世界;2001年

4 本报记者 韩露;乱军之中智者胜[N];证券时报;2000年

5 本报记者 李智 通讯员 梁宪生;零的突破[N];山西经济日报;2001年

6 ;基于网络层的存储虚拟化是主流[N];中国计算机报;2008年

7 本报记者 郭平;LSI发布新存储虚拟化管理器[N];计算机世界;2008年

8 李磊;让电子政务更聪明[N];计算机世界;2001年

9 重庆邮电学院党委书记徐仲伟 院长 聂能;发挥学科优势 打造信息平台[N];科技日报;2005年

10 王琨月;存储虚拟化市场的博弈[N];网络世界;2008年

相关博士学位论文 前10条

1 张国军;基于粗糙集的相对属性约简算法及决策方法研究[D];华中科技大学;2010年

2 马君华;粗糙集属性约简和聚类算法及其在电力自动化中的应用研究[D];华中科技大学;2010年

3 杨习贝;不完备信息系统中粗糙集理论研究[D];南京理工大学;2010年

4 纪霞;不完备信息系统中粗糙集理论的扩展研究与应用[D];安徽大学;2010年

5 赵佰亭;混合决策系统的粗集模型及在转台故障诊断中的应用[D];哈尔滨工业大学;2010年

6 刘业政;基于粗糙集数据分析的智能决策支持系统研究[D];合肥工业大学;2002年

7 丛蓉;作战指挥决策支持系统目标融合识别研究[D];大连理工大学;2010年

8 哈斯巴干;神经网络及其组合算法的遥感数据分类研究[D];中国科学院研究生院（遥感应用研究所）;2003年

9 刘洪波;汉语认知脑数据挖掘相关算法及应用研究[D];大连理工大学;2006年

10 王曙燕;医学图像智能分类算法研究[D];西北大学;2006年

相关硕士学位论文 前10条

1 吕望;基于粗糙集的车辆超载自动检测方法研究[D];长沙理工大学;2010年

2 田静宜;基于粗糙集和神经网络的柴油机故障诊断研究[D];中北大学;2011年

3 于兴网;粗糙集属性约简算法在数据挖掘中的研究[D];重庆大学;2004年

4 雷明;基于粗糙集理论的决策表压缩[D];华北电力大学（北京）;2010年

5 魏悦亮;粗糙集在数据挖掘不确定性问题中的研究[D];中国石油大学;2010年

6 袁晓娟;基于粒计算的双论域粗糙集模型研究[D];兰州大学;2010年

7 严会霞;基于SVM的眼动轨迹解读思维状态的研究[D];太原理工大学;2010年

8 武金艳;粗糙集与证据理论在医疗智能诊断系统中的应用研究[D];湖南大学;2010年

9 穆海芳;基于粗糙集理论的故障诊断知识获取研究[D];合肥工业大学;2010年

10 吴迪;基于SVM分类器的分步定位算法研究[D];哈尔滨工业大学;2010年

本文编号：2690316