资源描述:
《基于svm的综合实力评估系统研究》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、第1卷第3期 西南农业大学学报(社会科学版)Vol.1,No.32003年9月 JournalofSouthwestAgriculturalUniversity(SocialScienceEdition)Sept.2003X基于SVM的综合实力评估系统研究张晓帆 林锦国(南京工业大学系统科学与工程研究所,江苏南京 210009)摘 要:简略介绍了支持向量机的基本思想,研究其在综合评价中的应用。分析了对大学进行实力评估的过程,建立基于SVM的评价系统。比较新评价系统和采用其他方法如PCA(Princ
2、ipalComponentAnalysis主元分析),Fisher等建立的评价系统所分别取得的拟合效果。结果表明:采用支持向量机设计的评价系统思路清晰,操作简单并且能取得更为理想的评估结果。关键词:支持向量机;评估;大学中图分类号:F222.1 文献标识码:A 文章编号:1672—5379(2003)03—0036—03ANEVALUATIONSYSTEMBASEDONSUPPORTVECTORMACHINES(SVM)ZHANGXiao-fan,LINJin-guo(ResearchInstituteofSystemSc
3、ienceandEngineering,NanjingUniversityofTechnology,Nanjing210009,China)Abstract:InthispaperthebasictheoryofSupportVectormachine(SVM)isintroducedcompendiouslyandtheapplicationofSVMisstudied.AfterananalysisoftheevaluationprocessofuniversitiesaccompaniedbyNetbig,theSVM-basede
4、valuationsystemwithabettergeneralizationperformanceisconstructed.AcomparisonoftheSVM-basedsystemandothersystemsbasedonPCA(PrincipalComponentAnalysis)orFishershowsthatidealaccuracycanbeachievedbyadoptingSVMintheevaluationsystem.Keywords:SupportVectormachine(SVM);evaluation
5、;university1 综述如何最大限度地克服各种主观因素的干扰,使之能真正贴近和揭示中国各大学的真实情况成为问题的焦点。本文将模式识别的理论和方法运用于评价决策领域,根据支持向量机统计学习理论(StatisticalLearningTheory或SLT)是由理论实现大学实力评价体系。研究结果表明:与其他方法相V.N.Vapnik等人在20世纪70年代末提出的一种有限样本比,本方法能取得更好的拟合效果。的统计理论。支持向量机(SupportVectorMachine简称SVM)方法是到目前为止该理论最成功的实现。支持向量机方法建立在统计
6、学习理论的VC维理论和结构风险最小原理2 理论背景基础上,根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度,Accuracy)和学习能力(即无错误地识别支持向量机简称SVM,是统计学习理论中最年轻的内任意样本的能力)之间寻求最佳折衷,以期获得最好的推广容,也是最实用的部分。其核心目前仍处在不断发展阶段。能力(GeneralizationAbility)。2.1 广义最优分类面 SVM是从线性可分情况下的最优分对大学进行排名是一种典型的综合评价问题。科学,公类面发展而来的,基本思想可用图1的两维情况说明。图平的大学评价体系,对促
7、使高校之间公平竞争,引导高等教中,实心点和空心点代表两类样本,H为分类线,H1,H2分别育的资源配置,起到重要的指导作用。经过一段时间的探索为过各类中高分类线最近的样本且平行于分类线的直线,它实践,国外已存在成熟、稳定的评价体系;国内的大学排名起们之间的距离叫做分类间隔(margin)。所谓最优分类线就是步较晚,但已引起社会各界和大学的激烈讨论和广泛关注。要求分类线不但能将两类正确分开(训练错误率为0),而且X收稿日期:2003-04-29作者简介:张晓帆(1978—),女,江苏南京人,南京工业大学硕士研究生,研究方向:模式识别及应用。第
8、1卷第3期 张晓帆等:基于SVM的综合实力评估系统研究37使分类间隔最大。分类线方程为x·w+b=0,我们可以对面。其中,C>0是一个常数,它控制对错分样本惩罚的程度。它进行归