基于支持向量机的品牌特色专业评价.docVIP

基于支持向量机的品牌特色专业评价 　　摘要：简述了江苏省教育厅在本科品牌专业、特色专业验收时的验收标准。利用支持向量机建立了品牌专业、特色专业验收时的验收模型。通过实例，结果表明支持向量机比较精确和有效。 　　Abstract: The acceptance standards of Jiangsu provincial brand and characteristic majors are discussed. Assessing the provincial brand and characteristic major model is established by support vector machine. The method is illustrated through examples. The results show that the support vector machine method is more accurate and effective. 　　关键词：支持向量机；品牌特色专业；验收 　　Key words: support vector machine；brand and characteristic majors；acceptance 　　中图分类号：TP391文献标识码：A 文章编号：1006-4311（2011）２4-0147-03 　　0引言 　　开展高等学校品牌、特色专业建设，是优化专业结构，推进教学改革，加强内涵建设，提高人才培养质量，举办人民满意高等教育的重要举措。根据国家教育部和省教育厅有关文件要求，各省均开展高等学校省级品牌、特色专业遴选建设工作[1]。经过建设后，为及时总结品牌特色专业建设成果，进一步优化专业结构，提高专业建设水平与效益，省厅需要对各建设点进行验收。对照各专业建设点申报表所列建设目标，重点检查建设方案的实施情况、人才培养模式的改革成效、师资队伍的建设、建设经费的投入、教学内容和课程体系的改革、教学设施的建设、专业建设的运行管理以及人才培养质量等方面的基本情况。一般评价的结果分为优秀、良好、合格、暂缓通过四种。对16个指标给出A、B、C三个结果，那么如何从16个指标得分中给出本批次品牌、特色专业的排名是我们最关心的，传统的方法是依赖于专家的主观经验判断，为了使品牌特色专业验收评价建立在较为科学严密的理论基础上，降低人为因素的影响，建立科学评估模型是十分必要的[2]。目前采用院校之间互评，邀请一些专家参与，对专家的挑选很值得研究，因为不同的专家对同一对象评价不完全一致，即使同一专家对同一对象在不同的时间和环境也会得到不一致的主观判断。决策结果含有一部分主观因素，缺乏自学习的能力，很难摆脱决策中的随机性和参评人员主观上的不确定性和其认识的模糊性。采用支持向量机方法，可弥补专家评定法的不足，其通过对知识样本的学习，获得评价专家的经验和知识，网络可再现评价专家的经验、知识和直觉思维，从而降低评价过程中的人为因素影响，保证了其客观性。本文利用支持向量机建立品牌特色专业验收评价模型，为品牌特色专业验收评价提供一种新的思路。 　　1江苏省高等学校本科品牌专业、特色专业验收标准 　　江苏省教育厅在本科品牌专业、特色专业验收时，给出了验收标准，如表1所示。该方案一级指标5项，二级指标15项，二级指标中核心指标9项（表中黑体字部分），一般指标6项。验收标准给出了B级要求，明显高于B级为A级，明显低于B级为C级。结论标准： 　　1.1 省级品牌专业验收合格，准予授牌要求达到：A+B=15，其中核心指标要求A≥7。 　　1.2 省级特色专业验收合格，准予授牌要求达到：A+B=15，其中核心指标要求A≥3，并指定二级指标中“1.2”=A，“4.1”、“4.3”、“5.2”、“5.3”4个项目中A≥2，写出特色总结报告。 　　2基于支持向量机本科品牌专业、特色专业验收评价模型 　　2.1 支持向量机原理支持向量机具有完备的统计学习理论基础和出色的学习性能，已成为机器学习界的研究热点，并在如人脸检测、手写体数字识别、文本自动分类、多维函数预测等领域都取得了成功应用。 　　支持向量机解决回归问题的基本原理如下[3-5]： 　　设训练样本集D={（xi，yi）|i=1，2，…，l}，xi∈Rn，yi∈R 　　首先介绍线性回归问题，线性回归方程为： 　　f（x）=〈w，x〉+b（1） 　　常用的损失函数有ε-insensitive损失函数，Quadratic损失函数，Huber损失函数和Laplace损失函数等。这里采用ε-insensitive损失函数，其形式如下： 　　Lε（y）=0f（x）-yεf（x）-y-ε f（x）-y?叟ε（2） 　　支持