基于 PCA-BPNN 的学生写作成绩预测模型研究

• 作者: 姜华 曲巍巍 胡帅 顾艳
• 来源期刊: 国外电子测量技术
• 学科: 工学
• 关键词: 主成分分析 BP神经网络 成绩预测
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 理论与方法
• 页码范围: 35-38
• 页数: 4页
• 分类号: TN957.52+9|TP183
• 字数: 3091字
• 语种: 中文

摘要

针对传统学生英语写作成绩预测方法准确率偏低的情况，提出一种基于主成分分析（PCA ）和BP神经网络相结合的写作成绩预测模型。首先，用PCA对所建立的学生写作评价体系作数据降维处理，提取前3个主成分，构建了新的样本矩阵，再对BP神经网络进行训练和泛化能力测试。仿真结果表明：单一的BPNN预测最大相对误差为－2．165％，PCA‐BPNN预测最大相对误差仅为－0．8242％，PCA‐BPNN简化了网络结构，提高了单一BPNN的训练速率、预测精度和泛化能力，验证了所提出的模型的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜华	渤海大学大学外语教研部	21	51	4.0	5.0
2	曲巍巍	渤海大学大学外语教研部	24	55	5.0	5.0
3	顾艳	渤海大学大学外语教研部	16	42	4.0	5.0
4	胡帅	渤海大学大学外语教研部	19	45	4.0	5.0