基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
引入主成分分析(PCA)和支持向量机(SVM)技术,构建高职院校专业评估体系.该体系有利于专业建设成效分析与质量评价,其中包括9个一级指标和23个二级指标.应用Libsvm软件进行专业等级特征模型训练与测试实验,验证了该体系的合理性.
推荐文章
基于价值投资的PCA-SVM股票选择模型研究
股票
价值投资
模式识别
支持向量机
主成分分析
基于遗传优化的PCA-SVM控制图模式识别
控制图
模式识别
遗传优化
主元分析
支持向量机
基于PCA-SVM的油气管道腐蚀速率预测技术研究
油气管道
腐蚀速率
PCA-SVM模型
预测
基于PCA-SVM算法在岩性识别中的应用
岩性识别
主成分分析
判别分析
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于PCA-SVM的高职院校专业评估体系研究
来源期刊 重庆科技学院学报(自然科学版) 学科 工学
关键词 专业建设 专业评估 主成分分析 支持向量机
年,卷(期) 2021,(6) 所属期刊栏目 计算机与自动化技术
研究方向 页码范围 50-54
页数 5页 分类号 TP315
字数 语种 中文
DOI 10.3969/j.issn.1673-1980.2021.06.011
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
专业建设
专业评估
主成分分析
支持向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
重庆科技学院学报(自然科学版)
双月刊
1673-1980
50-1174/N
大16开
重庆大学城
1995
chi
出版文献量(篇)
4247
总下载数(次)
8
总被引数(次)
13371
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导