SVM回归在高校教育质量分析中的应用研究

摘要：

根据支持向量机(SVM)有样本个数、过程误差分布、样本点分布无严格要求、而且推广能力强等特点,引用SVM技术对高等教育的质量控制和预测问题进行了回归分析,从机器学习的角度提出了一个泛化能力较强的回归模型,对几种不同的回归方法作了泛化能力比较,发现SVM回归方法能够大幅度地提高拟合模型的泛化能力,且不需要额外的测试样本.并引入了Kolmogorov-Smirnov(KS)检验方法,以检验影响高等教育质量因素是否服从正态分布,这能说明在全国范围内高等教育质量是否有显著差异,检验结果表明影响高等教育质量的因素变量是服从正态分布的,体现了我国高等教育质量具有较好的稳定性.本研究作为一种新的尝试,希望能解决高等教育质量控制难于建模、难于量化分析的问题.

关键词：支持向量机、回归、高等教育质量、模型拟合、K-S检验

所属期刊栏目：29

分类号：C82(专类统计学)

资助基金：江西省研究生创新项目"基于SVM高等教育质量评价方法研究"YC09A088;江西省教育厅科技项目"高等教育资源优化配置研究"GJJ09295

在线出版日期：2010-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：46-51