基于SOM神经网络的实习成绩分类评判【开题报告+文献综述+毕业论文】

《基于SOM神经网络的实习成绩分类评判【开题报告+文献综述+毕业论文】》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、本科毕业论文系列开题报告电气工程及其自动化基于SOM神经网络的实习成绩综合评判系统设计一、课题研究意义及现状人工神经网络理论已成为涉及神经生理科学、认知科学、数理科学、心理学、信息科学、计算机科学、微电子学、光学、生物电子学等多学科交叉、综合的前沿学科。神经网络的应用已渗透到模式识别、图像处理、非线性优化、语音处理、自然语言理解、自动目标识别、机器人、专家系统等各个领域，并取得了令人瞩目的成果。自组织特征映射的人工神经网络（即SOM网）中竞争机制就是根据生物学基础建立起来的。当外界输入不同的样本时，网络中哪个位置的神经元兴奋开始是随机

2、的，但自组织训练后会在竞争层形成神经元的有序排列，功能相近的神经元非常靠近，功能不同的神经元离得较远。学生实习成绩的评定过程中，各评定指标内容往往更适合定性评价，不适宜定量表示，因此对实习成绩的综合评定带来一定的难度。例如实习成绩评定中某学生的四项实习成绩评定指标的评定成绩分别为优、良、中、及格，那么该同学的最终实习成绩评定结果应该属于优、良、中、及格中的哪个等级，这往往会让教师感到很难把握。以往为了给出总评成绩，往往采用把几项评定指标进行量化，然后计算其算术平均值，用这个算术平均值作为最总实习成绩，但这样做缺乏坚实的科学基础，也容易

3、使学生产生对实习成绩评定的疑惑和不满。因为这还涉及到实习成绩评定指标的权重问题，即在实习成绩总评中它们对总成绩影响程度的大小。为了使实习成绩评定更具有科学性，减小二次评判的人为误差，同时在成绩评定过程中兼顾教学过程管理和教学目标管理，我们可以利用SOM神经网络的分类功能，在对实习成绩的一级定性评判结果的基础上再进行分类，使一级定性评判结果相近的实习成绩分在同一类神经元上，否则则分在不同的神经元上。然后利用分类结果给出实习总评成绩。二、课题研究的主要内容和预期目标1、研究SOM神经网络的原理、方法及其应用；2、研究用于实习成绩评判的SO

4、M神经网络的拓扑结构；3、研究如何运用MATLAB中有关神经网络的专用语言把SOM神经网络结构模型变为程序模型；4、收集用于分析用的实习成绩样本；5、研究实习成绩一级评判指标，并研究如何把评判结果进行数字化，为SOM网络的程序模型做好输入准备；通过本课题的训练，预期成果为：1、了解SOM神经网络的理论基础，确定本次设计的实习成绩样本；2、由MATLAB编写SOM网络程序，主要确定输入层、输出层的设计，其中涉及各权值调整、模式类别数的确定、神经节点的选择以及迭代次数的确定等；3、通过MATLAB仿真得出预期结果，预设计一个实习成绩评价软

5、件，输入各评价指标的离散数值量直接得出分类结果。三、课题研究的方法及措施神经网络已被广泛地应用于各个领域，在工程中利用SOM网络的分类功能可以对事物的有关特征信息进行分类识别，本课题就是利用这种分类功能，利用MATLAB语言对已建立的SOM神经网络进行编程，用程序模型对实习成绩进行综合评判。课题研究方法及措施：1、了解SOM神经网络的有关知识和MATLAB在神经网络中的应用设计；2、分析并建立用于实习成绩评判的SOM神经网络的拓扑结构；3、利用MATLAB中有关神经网络的专用语言把SOM神经网络结构模型变为程序模型；4、设计实习成绩一

6、级评判指标，并把评判结果进行数字化，为SOM网络的程序模型做好输入准备；5、收集用于实习成绩分类的实习成绩样本；6、把事先准备好的样本信息作为输入向量输入到程序模型中，对给定的组成实习总评成绩的各个指标成绩进行分类综合评判，最总分析得出实习总评成绩。学生通过本课题的训练，提高自学新知识的能力，掌握论文的书写和MATLAB程序的编写过程，培养学生分析问题和解决问题的能力，培养学生文字表达能力。四、课题研究进度计划1、2010.10.10——2010.11.10，收集并阅读与课题有关的中外参考文献和参考书籍；2、2010.11.10——2

7、011.12.10，完成外文文献翻译、文献综述和开题报告的撰写；3、2010.12.10——2011.01.21，对实习成绩的评定指标进行分析，构建SOM神经网络拓扑结构，并撰写论文初稿；4、2011.02.22——2011.04.10，基于SOM神经网络拓扑结构，利用MATLAB语言进行编程设计，并进一步修改完善信息管理系统和论文；5、2010.04.10——2011.04.22，做好答辩用的PPT讲稿。五、参考文献[1]王雅,杨启耀.基于相似聚类分析的毕业设计成绩评价体系研究[J].黄石理工学院学报,2010，6，26(3).[2

8、]张琼.因子分析在学生成绩综合评价中的应用[J].惠州学院学报(自然科学版)，2010,6，30（3）.[3]张秀梅,王涛等.模糊聚类分析方法在学生成绩评价中的应用[J].渤海大学学报(自然科学版),2007，6，28(