基于PCA-RBF网络的学生写作成绩预测模型

• 作者: 姜华 胡帅 顾艳
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 主成分分析 RBF神经网络 成绩预测 BP神经网络
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 69-72,126
• 页数: 5页
• 分类号: TP393.09
• 字数: 3587字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2016.01.015

摘要

为进一步提高学生英语写作成绩预测准确率,提出一种基于主成分分析(PCA)和径向基函数(RBF)神经网络相结合的写作成绩预测模型.先用主成分分析对所建立的学生写作评价体系作数据降维处理,提取前5个主成分,再将这些主成分作为RBF神经网络的输入,构建3层RBF神经网络预测模型.实验结果表明,与单一的RBF神经网络和BP神经网络相比,PCA-RBF预测模型的结构简单,收敛速度快,预测准确率高,泛化能力强,验证了本文提出模型的有效性.

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	顾艳	渤海大学大学外语教研部	16	42	4.0	5.0
3	胡帅	渤海大学大学外语教研部	19	45	4.0	5.0