基于灰色神经网络高校教师职称评审预测.doc

基于灰色神经网络高校教师职称评审预测摘要： 提出一种针对我国高校教师职称评审的预测模型。该模型通过将灰关联分析与BP神经网络相结合的方式实现，利用灰关联分析找出高校教师职称评审的各影响因子与职称晋升的潜在关系，为BP神经网络提供筛选输入因子的功能，最后通过训练BP神经网络来实现预测。选用某高校2012年副教授评审实际数据作为评价样本，将原有的6-8-2的网络结构简化为5-8-2，结果表明，建立的评审模型的结论优于基于BP神经网络的结论，且训练效率也有大幅提高，有一定的推广应用价值。 Abstract： This paper presented a professional title forecast model implemented by gray relational analysis combined with BP neural network， using gray relational analysis to find out potential relationship between impact factor and professional title promotion，to provide screening function of the input factors for the BP neural network， and finally through the training of BP neural network to achieve the forecast. Taking 46 teacherspromotion to associate professor in the Institution in 2012 as assessment sample，6-8-2 network model was simplified to5-8-2 network model.The result showed that the results obtained by the established assessment model were completely consistent with the results obtained by the established assessment model were completely consistent with the simulation results based on artificial neural net-work，the training efficiency of the model is raised greatly，so the model has a value to be applied in certain extent. 关键词： 职称评审；灰关联分析；BP网络 Key words： professonal titles evaluation；GRAY；BP network 中图分类号：TP183 文献标识码：A 文章编号：1006-4311（2013）06-0170-02 0 引言 职称评审涉及到教师的切身利益，客观、公正、透明的职称评审工作对教师做好教学、科研和管理工作具有权威的导向性和指导性。职称系统是具有评审因素多，因素间相关性模糊、不确定，非线性、时变性等特点的复杂系统，其评审属于多因素综合评审范畴。 神经网络可以很好地解决职称系统评审的非线性问题，然而评审因素间相关性，会使得网络陷入局部最小点，导致评审结果存在很大的偏差。灰关联分析方法可在不完全的信息中，通过一定的数据处理，找出评审因素的关联性，发现主要矛盾，找到主要特性和主要影响因素[1-2]。因此将灰关联分析与神经网络相结合建立评审模型，神经网络解决职称系统评审对于非线性系统的支持，灰关联分析帮助神经网络找出主要的影响因子。 1 高校教师职称影响因子的灰色关联分析 1.1 高校教师职称评审影响因子的确定 依据某高校历年教师职称的评定标准，主要是从论文的级别数量、科教成果获奖（市级以上），是否承担科研科教项目等方面来综合评定教师职称的获得。针对该高校2012年数据中46名教师在承担科研科教项目都满足，而在有科教成果获奖（市级以上）上只有个别的教师有，所以本文考虑，以论文级别数量构建6个评定指标：SCI/EI篇数x1，一级核心论文篇数x2，二级核心论文篇数x3，三级核心论文篇数x4，一般期刊论文篇数x5，论文总篇数x6。 1.2 灰关联系数和关联度的计算 灰色关联分析是一种重要的灰色系统理论分析方法，其基本原理是通过序列的曲线几何形状的相似程度来判断序列的联系是否紧密，其紧密程度用关联度