情报杂志
情報雜誌
정보잡지
JOURNAL OF INFORMATION
2010年
4期
46-51
,共6页
屈文建%谭光兴%魏莺%徐晓芳
屈文建%譚光興%魏鶯%徐曉芳
굴문건%담광흥%위앵%서효방
支持向量机%回归%高等教育质量%模型拟合%K-S检验
支持嚮量機%迴歸%高等教育質量%模型擬閤%K-S檢驗
지지향량궤%회귀%고등교육질량%모형의합%K-S검험
根据支持向量机(SVM)有样本个数、过程误差分布、样本点分布无严格要求、而且推广能力强等特点,引用SVM技术对高等教育的质量控制和预测问题进行了回归分析,从机器学习的角度提出了一个泛化能力较强的回归模型,对几种不同的回归方法作了泛化能力比较,发现SVM回归方法能够大幅度地提高拟合模型的泛化能力,且不需要额外的测试样本.并引入了Kolmogorov-Smirnov(KS)检验方法,以检验影响高等教育质量因素是否服从正态分布,这能说明在全国范围内高等教育质量是否有显著差异,检验结果表明影响高等教育质量的因素变量是服从正态分布的,体现了我国高等教育质量具有较好的稳定性.本研究作为一种新的尝试,希望能解决高等教育质量控制难于建模、难于量化分析的问题.
根據支持嚮量機(SVM)有樣本箇數、過程誤差分佈、樣本點分佈無嚴格要求、而且推廣能力彊等特點,引用SVM技術對高等教育的質量控製和預測問題進行瞭迴歸分析,從機器學習的角度提齣瞭一箇汎化能力較彊的迴歸模型,對幾種不同的迴歸方法作瞭汎化能力比較,髮現SVM迴歸方法能夠大幅度地提高擬閤模型的汎化能力,且不需要額外的測試樣本.併引入瞭Kolmogorov-Smirnov(KS)檢驗方法,以檢驗影響高等教育質量因素是否服從正態分佈,這能說明在全國範圍內高等教育質量是否有顯著差異,檢驗結果錶明影響高等教育質量的因素變量是服從正態分佈的,體現瞭我國高等教育質量具有較好的穩定性.本研究作為一種新的嘗試,希望能解決高等教育質量控製難于建模、難于量化分析的問題.
근거지지향량궤(SVM)유양본개수、과정오차분포、양본점분포무엄격요구、이차추엄능력강등특점,인용SVM기술대고등교육적질량공제화예측문제진행료회귀분석,종궤기학습적각도제출료일개범화능력교강적회귀모형,대궤충불동적회귀방법작료범화능력비교,발현SVM회귀방법능구대폭도지제고의합모형적범화능력,차불수요액외적측시양본.병인입료Kolmogorov-Smirnov(KS)검험방법,이검험영향고등교육질량인소시부복종정태분포,저능설명재전국범위내고등교육질량시부유현저차이,검험결과표명영향고등교육질량적인소변량시복종정태분포적,체현료아국고등교육질량구유교호적은정성.본연구작위일충신적상시,희망능해결고등교육질량공제난우건모、난우양화분석적문제.
