基于MK-RVM学习方法的大学生科研能力预测模型

• 作者: 傅翠霞 罗亦泳
• 来源期刊: 现代电子技术
• 关键词: 预测模型 相关向量机 大学生 精度分析 科研能力评价 遗传算法
• 年，卷（期）: 2019,（23）
• 所属期刊栏目: 测控与自动化技术
• 页码范围: 163-167
• 页数: 5页
• 分类号: TN911.1-34
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.23.035

摘要

学生科研能力预测模型构建是大学生科研能力评价体系的关键问题,文中对机器学习新算法相关向量机进行改进,构建遗传算法优化的多核函数相关向量机(MK-RVM)学习算法,并基于该算法建立大学生科研能力预测新模型,分析结果的有效性及可靠性.由实例分析结果可知,MK-RVM对大学生科研能力评价指数(?)预测精度达到"好"级,对大学生科研能力等级η预测准确率达到100％,较大程度优于其他三种BP神经网络算法.MK-RVM建立的大学生科研能力预测模型具有很好的稀疏性,致使模型具有出色的计算效率,算法运行时间远小于其他三种BP神经网络.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅翠霞	东华理工大学高等教育研究与评估中心	9	6	1.0	1.0
2	罗亦泳	武汉大学测绘学院	20	65	5.0	6.0