基于PCA-LVQ的专业可持续发展综合分类研究.docxVIP

基于PCA-LVQ的专业可持续发展综合分类研究 如何评价专业发展水平是专业发展过程中的重要问题，根据相关文献总结各类院校在进行专业发展过程中提出和实施的各种措施，用指标的形式加以固化，进而通过专家评审、调查问卷、现场调查、参考相关调查结果等形式对专业发展的各项指标进行量化。以浙江省高职类院校省级示范专业和优势专业作为合格类样本库，以其它专业作为不合格类样本库，对比使用min-max、标准正交化2种方法完成数据规约，消除数据量纲不同导致的数据差异，接着用PCA对各类样本的指标进行“解耦”，消除不同数据特征之间的线性相关性，获取相互不相关的新的指标集，最后利用LVQ网络对这些新的指标集样本进行学习，通过学习得到专业发展水平高低的判别模型，从而为指导专业可持续发展提供识别标准和改进依据。 1 建立评价指标体系 专业可持续发展总体上可以分为：专业规划、专业实施与保障、专业产出与评价3个方面，而从更加细致的角度来看主要分成5个方面：1）师资队伍建设是学科专业建设的关键。构建具有前瞻性眼光、高深造诣的专业带头人队伍，在他们带领下建设一支知识结构广博、年龄结构和职称结构合理、学术水平精深的师资队伍是专业可持续发展的人才保证。2）教材体系建设是专业可持续发展的载体。构建知识融会贯通，专业和培养方向明确、模块结构合理的教材体系是专业可持续发展的物质基础。3）课程改革与实践是专业可持续发展的保证。课程改革与实践的对象包括课程改革与实践的主体对象――老师和学生，同时也包括客体对象如：科研成果、教改成果、社会服务成果、学生技能培训成果等。4）信息化建设是专业实施过程中的灵魂。围绕专业发展的信息化建设，包括资源库建设、精品课程建设、网络课程建设、视频教程建设、顶岗实习平台建设、培养方案建设、培养计划建设等等。这些信息系统的建设一方面为专业实施提供合理的手段，也是知识、能力传承的重要载体，合理的教学信息系统的构成能为专业实施提供强大的支撑，也为专业实施指明方向。5）实验实训场地与基地建设是专业发展的根据与桥梁。它对改善课程设置、提高人才培养质量、更好的服务当地经济社会发展，具有重要作用。 综上所述，将专业可持续发展指标以列表形式总结，如表 1所示： 2 相关理论基础 2.1 PCA算法理论 PCA（Principal Component Analysis）中文名--主成分分析。PCA是投影平方最大化、误差最小化的一种算法，是模式识别中常见的线性映射方法，由于PCA算法在降维和特征提取方面的高效性，在模式识别领域也得到了广泛的应用。其核心思想是将高维空间中的向量，通过矩阵转换为低维空间的向量，在尽量保持原有数据信息的基础上消除高維空间向量特征的线性相关性，这样对于后继的神经网络来说，可以减少训练时间，提高训练效率，增强网络的泛化能力。PCA在信号处理、图像分析领域也有广泛的应用。PCA算法基础是K-L变换，当样本中心化以后，K-L变换就变成了PCA。 离散K-L变换： 它是一种基于目标统计特性的最佳正交变换，任意n维随机向量（一个样本可以看成是一个随机向量的实现），存在n维标准正交变换矩阵 ，其中，使得样本p是这个标准正交基的线性组合，记为： 两边同时乘以 ，并考虑正交基特性得到： 现在假设用前k项（1≤kn）作为向量x的估计值，那么/n）作为向量x的估计值，那么 则均方误差为： 将（1）式代入得到： 令 ，则截断误差可以简记为： 在限制条件下 =1，最优化上面的e。根据拉格朗日乘子法构造函数： 求偏导令其等于0，即 得到： 即满足上式时，e取最小值。此时E（xxT）为自相关矩阵， j为自相关矩阵的特征值，uj为特征值 j对应的特征向量。将（3）式代入（2）式，得到： 因此，将自相关矩阵的特征值由大到小排列，特征值对应的特征向量正交，且取前面k个向量构成了转换矩阵 ，截断误差是后面从k+1开始到n的n-k个特征值的和。 当向量x中心化以后，上面的自相关矩阵就是协方差矩阵（忽略系数），此时就是我们所说的PCA算法，理论已经证明，虽然构成向量x的基有无穷多个，但是，标准正交基下的截断误差最小。 2.2 LVQ神经网络理论 学习矢量量化网络（Learning Vector Quantization简称LVQ）是一种自适应数据分类混合网络，是用数学方法对神经系统的横向抑制功能的模拟，通过将有监督和无监督学习结合起来提高网络对输入向量分类的正确性。 LVQ神经网络由3层神经元构成，即输入层、隐含层（竞争层）和输出层（线性层），其基本结构如图1所示。LVQ网络的输入