SOM神经网络在师专学生素质评价中的应用

2015-02-13 01:25张晋晶
关键词:阳泉指标体系神经网络

张晋晶

(阳泉师范高等专科学校,山西 阳泉 045000)

SOM神经网络在师专学生素质评价中的应用

张晋晶

(阳泉师范高等专科学校,山西 阳泉 045000)

构建符合师范类专科学校特点的学生素质评价指标体系,建立SOM神经网络模型,对学生素质进行评价.通过实例验证,结果表明SOM神经网络是学生素质评价的一种有效方法,对提高评价的客观性和科学性起到了良好的作用.

学生素质;指标体系;SOM神经网络;评价

0 前言

师范类大专院校担负着为当地培养合格学前教育和小学教育师资的重任.学校毕业生中绝大多数将从事幼儿教师或小学教师,他们的素质高低直接影响到下一代人的成长和发展.因此,科学合理地对学生素质进行评价,是师专学校学生工作的重要内容.通过多年的工作经验,根据我校学生实际情况,建立了一套包括思想道德素质、文化素质、身体素质、职业技能素质等在内的学生素质评价指标体系.将SOM神经网络应用于学生素质评价中,通过实际数据计算,得出评价结果,验证了模型的有效性.

1 构建评价指标体系

在实际工作中,按照目标性、系统性、科学性和可操作性等原则[1-2],从众多能用于评价学生素质的指标中,选取适合师专学生特点的指标,建立一套合理可行的评价指标体系,有效避免了评价的主观性和随意性.

指标说明:思想道德素质指标采取5分制;上课出勤率、作业完成率、年级排名采用百分比;平均成绩、体育达标成绩、钢笔字、粉笔字、毛笔字和简笔画采用百分制;普通话等级、外语等级和计算机等级评定分为达标或不达标两类.

最终的学生素质评价等级设定为五个级别:优秀、良好、中等、一般、较差.

2 建立SOM神经网络模型

2.1基于SOM神经网络的学生素质评价模型

SOM神经网络的基本思想是网络竞争层的各神经元通过竞争来获取对输入模式的响应机会,最后仅有一个神经元成为竞争胜利者,并将与获胜神经元有关的各连接权值向着更有利于其竞争的方向调整[3-4].

因此,学生素质评价模型的SOM网络由输入层和输出层构成.输入层用于接收输入模式,输出层为一维,两层之间的各神经元实现全连接.对于每一个网络的输入,只调整一部分权值矢量,使权值矢量更接近或更偏离输入矢量,即竞争学习,随着不断学习,所有权值矢量都在输入矢量空间相互分离,形成了各自代表输入空间的一类模式.模型采用18个节点输入,分别代表学生素质评价体系的18个指标;采用5个节点输出,分别代表了学生素质评价的5个级别.网络结构如图1所示.

2.2输入指标的量化处理

2)定量指标的标准化处理.对于评价指标体系中的定量指标,由于各指标的不同量纲,使属性数据不能直观地反映评价结果,需要对各定量指标进行标准化处理,使之转化为无量纲数据.可以通过线性比例变换的方法对指标进行处理,具体方法为:假设样本数据中包含m条记录,每条记录包含n个评价指标,构成了评价矩阵X=(xij)m×n.

通过对分数概念演变过程的梳理与分析,可知分数概念的演变过程中,伴随着一明一暗两条发展脉络.明线,是指通过四种途径产生的分数定义的顺次发生:“部分/整体”→“测量”→“除法”→“集合论”;暗线,是指人们对数系扩充的认识:整数系→有理数系,如图1.

经过以上计算,得到的矩阵Y=(yij)m×n称为线型比例标准化矩阵,其中0≤yij≤1,并且所有指标都转化成值域为[0,1]的正指标.

3 实例分析

3.1聚类分析

根据我校实际,选取二年级某专业的80名学生数据作为原始数据,经过标准化后,其中前70组数据作为网络训练样本,后10组数据用于网络测试.利用Matlab工具箱,建立网络模型及训练程序如下:

p=[]; %创建输入向量,[]内的数据省略

net=newsom(minmax(p),[1,5]); %创建SOM网络

net.trainParam.epochs=500;

net=train(net,p); %训练网络

y=sim(net,p);%输出结果

yc=vec2ind(y)

%测试结果

p-test=[]; %输入测试向量,[]内的数据省略

y-test=sim(net,p-test);

yc-test=vec2ind(y-test)

通过SOM网络成功的将数据样本进行聚类,结果如表1所示.

3.2结果分析

把结果的每一类中的原始数据进行加权平均取整,可以得出每个指标的期望输出值,以此学生素质评价5个等级的标准样本Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ.将标准样本作为5组样本,按照之前的方法标准化后,与测试样本一同带入模型中,可得出测试结果.

结果说明:网络成功地将测试样本进行了分类,取得了较为理想的效果.

4 结语

通过对师范类大专院校学生素质的特点分析,构建合理的学生素质评价指标体系,运用SOM神经网络成功地将学生数据样本进行分类.根据分类结果,确定学生素质评价等级标准.经过实例分析表明,SOM神经网络是学生素质评价的一种有效方法,对提高评价的客观性和科学性起到了良好的作用.

[1] 张文胜.基于BP神经网络的学生综合素质评价的算法设计[J].电脑知识与技术,2009(24):6786-6788

[2] 潘宝娟.基于神经网络的大学生综合素质评价系统设计[J].计算机时代,2008(9):41-44

[3] 施明辉.基于SOM神经网络的白河林业局森林健康分等评价[J].生态学杂志,2011,30(6):1295-1303

[4] 陈园园,李 宁,丁四保.城市群空间联系能力与SOM神经网络分级研究[J].地理科学,2011(12):1461-1467

Application of SOM Neural Network in Quality
of Students Evaluation in Teachers College

ZHANG Jinjing

(Yangquan Teachers College,Yangquan 045000, China)

The quality of students evaluation index system which is consistent with the characteristics of Teachers College Students is established. Then the SOM neural network model is established.And the modeling is calculated by the actual data, and the results showed the model’s effectiveness.

quality of students;Index system;SOM neural network;evaluation

2015-07-18

张晋晶(1983-),男,山西阳泉人,硕士,阳泉师范高等专科学校助教,主要从事计算机应用研究.

1672-2027(2015)03-0042-03

TP391.9

A

猜你喜欢
阳泉指标体系神经网络
阳泉农业 开辟“硒”望富路
山西农大共建阳泉富硒机构
2022城市商业魅力指标体系
阳泉:绿色防控 统防统治
神经网络抑制无线通信干扰探究
网络空间攻防对联合作战体系支援度评估指标体系构建
基于神经网络的中小学生情感分析
《阳泉 草书赋》
层次分析法在生态系统健康评价指标体系中的应用
供给侧改革指标体系初探