基于云模型數(shù)字特征的研究生綜合能力云模型測(cè)評(píng)

陳超 呂曉雪

摘要：云模型是大數(shù)據(jù)時(shí)代提出的一種計(jì)算方法，可應(yīng)用多方面的大數(shù)據(jù)分析。本文針對(duì)現(xiàn)行研究生綜合測(cè)評(píng)難以進(jìn)行客觀評(píng)價(jià)，采用多方面權(quán)重辦法難以判斷相近候選人的相近指數(shù)，采用云模型的計(jì)算方法，優(yōu)化分析研究生的各項(xiàng)權(quán)重分析，用于判別評(píng)分中的最優(yōu)候選人。通過(guò)對(duì)云模型評(píng)價(jià)指標(biāo)的優(yōu)化，獲取云模型的計(jì)算公式與樣本，對(duì)6位候選人的樣本數(shù)據(jù)進(jìn)行計(jì)算分析，結(jié)果表明，樣本數(shù)據(jù)得分值較為接近，難以直接判斷優(yōu)異，利用云模型計(jì)算，各類綜合測(cè)評(píng)更均衡的候選人獲得了凝聚度更優(yōu)，其隸屬度函數(shù)更為集中的云滴圖譜，以此優(yōu)選出了合適的獎(jiǎng)學(xué)金推薦人。云模型特別適合于幾種相近且難以進(jìn)行判別的云數(shù)據(jù)，論文的研究為大數(shù)據(jù)時(shí)代從繁多的數(shù)據(jù)中優(yōu)選出更合適的數(shù)據(jù)對(duì)象提供了參考。

Abstract： Cloud model is a computing method proposed in the era of big data， which can be applied to analyze large data with many aspects. In this paper， it is difficult to make an objective evaluation on the current comprehensive evaluation of graduate students. It is difficult to judge the close index of the similar candidates by means of multiple weighting methods. The calculation method of cloud model is used to optimize the analysis of the weight of graduate students， which can be used to judge the best candidate in the score. Through the optimization of the evaluation index of the cloud model， the calculation formula and sample of the cloud model are obtained， and the sample data of the 6 candidates are calculated and analyzed. The results show that the score of the sample data is very close， and it is difficult to be judged directly. The more balanced candidates of all kinds of comprehensive evaluation have obtained the more cohesiveness by using the cloud model. Excellent， its membership function is more concentrated cloud droplet map， so as to select the right scholarship sponsor. The cloud model is especially suitable for several similar and difficult to discriminate cloud data. The research of this paper provides a reference for selecting more appropriate data objects from a wide range of data in the era of large data.

關(guān)鍵詞：云模型;隸屬度函數(shù);大數(shù)據(jù);綜合評(píng)判;數(shù)據(jù)期望;測(cè)評(píng)

Key words： cloud model;membership function;dig data;comprehensive evaluation;data expectation;evaluation

中圖分類號(hào)：TP309? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1006-4311（2019）25-0219-03

0? 引言

研究生綜合能力測(cè)評(píng)是作為研究生獎(jiǎng)學(xué)金評(píng)定、綜合能力的最重要依據(jù)，包括思想品德、學(xué)業(yè)成績(jī)、學(xué)術(shù)科研、社會(huì)活動(dòng)等四個(gè)方面組成。然而，由于評(píng)價(jià)因素的不確定性[1]，對(duì)于思想品德、學(xué)術(shù)科研、社會(huì)活動(dòng)均難以用確定的數(shù)據(jù)進(jìn)行定量描述，形成準(zhǔn)確的評(píng)價(jià)體系，使綜合能力相差較近的研究生難以實(shí)現(xiàn)差別化對(duì)待。

云模型是近年來(lái)新興起的一門(mén)學(xué)科，專門(mén)針對(duì)不確定性問(wèn)題的人工智能不確定性評(píng)價(jià)，可通過(guò)模型構(gòu)建方法，對(duì)不確定性問(wèn)題實(shí)現(xiàn)定量識(shí)別與定性判斷[2-5]。云模型的研究上，楊文東等利用云模型的計(jì)算，對(duì)邊緣風(fēng)險(xiǎn)進(jìn)行了模型計(jì)算，提出了風(fēng)險(xiǎn)云模型評(píng)估的方法[6]。徐征捷等進(jìn)行了云模型的邊緣評(píng)價(jià)[7]。Zhou等利用計(jì)算機(jī)系統(tǒng)，開(kāi)發(fā)了基于大數(shù)據(jù)的云模型判別系統(tǒng)[8]。

本文針對(duì)現(xiàn)行研究生綜合測(cè)評(píng)難以進(jìn)行客觀評(píng)價(jià)，采用多方面權(quán)重辦法難以判斷相近候選人的相近指數(shù)，采用云模型的計(jì)算方法，優(yōu)化分析研究生的各項(xiàng)權(quán)重分析，用于判別評(píng)分中的最優(yōu)候選人，是現(xiàn)代計(jì)算機(jī)技術(shù)的綜合應(yīng)用。

1? 綜合測(cè)評(píng)權(quán)重分布

研究生綜合測(cè)評(píng)內(nèi)容由思想品德、學(xué)業(yè)成績(jī)、學(xué)術(shù)科研、社會(huì)活動(dòng)等四個(gè)方面組成，各方面的權(quán)重比例不同，由這四項(xiàng)加權(quán)后的總分來(lái)確定，綜合測(cè)評(píng)成績(jī)按以下公式計(jì)算：

綜合測(cè)評(píng)成績(jī)=思政德育×10%+學(xué)業(yè)成績(jī)×30%+學(xué)術(shù)表現(xiàn)×40%+社會(huì)活動(dòng)×20%

由于這種評(píng)定方法是以統(tǒng)計(jì)總分值來(lái)評(píng)定綜合測(cè)評(píng)，難以獲知具體某位研究生的綜合能力的總體體現(xiàn)。為建立云模型，將原綜合測(cè)評(píng)方法細(xì)分成10個(gè)部分權(quán)重，每個(gè)部分由具體的細(xì)分要素來(lái)組合，具體如表1所示。其中，思政德育為10分，學(xué)業(yè)成績(jī)細(xì)分為3個(gè)模塊，每個(gè)模塊為10分;學(xué)術(shù)表現(xiàn)為40分，細(xì)分為4個(gè)模塊，其中，論文、專利等成果可向上加分，但最高不高于11分。社會(huì)層面分成2個(gè)模塊，由此細(xì)分成10個(gè)模塊，構(gòu)成新測(cè)評(píng)方法，由云模型來(lái)評(píng)定綜合測(cè)評(píng)成績(jī)高低。

2? 云模型的構(gòu)建

云模型是李德毅院士研究定性與定量模型判別是提出的，主要針對(duì)不確定性的隨機(jī)性問(wèn)題實(shí)施判別[9]。研究生綜合能力測(cè)評(píng)是一個(gè)復(fù)雜的評(píng)判過(guò)程，每一位研究生的綜合能力不同，得到不同的期望評(píng)判，難以制定絕對(duì)的評(píng)價(jià)標(biāo)準(zhǔn)，因此，可借助云模型的方法進(jìn)行判斷綜合能力排名。云模型是通過(guò)綜合測(cè)評(píng)分?jǐn)?shù)，來(lái)計(jì)算最終成績(jī)的隸屬度，根據(jù)隸屬度值來(lái)判斷綜合排名的高低傾向性。其計(jì)算隸屬度模型可由公式（1）生成：

公式（1）中，En為云模型的數(shù)字特征[10]，也即期望值，Ex為研究生綜合能力隨機(jī)數(shù)組合，（x，μ）為期望值生成的一個(gè)云滴。μ也即為隸屬度函數(shù)。

公式（2）中，a，b為隸屬度函數(shù)所求常數(shù)，可根據(jù)綜合測(cè)評(píng)樣本計(jì)算。

公式（3）中，n為綜合測(cè)評(píng)計(jì)算次數(shù)。

公式（4）中，s為綜合測(cè)評(píng)計(jì)算樣本方差，He為云滴數(shù)字特征[11]。

3? 研究生云模型樣本計(jì)算

以某大學(xué)2017年碩士研究生綜合測(cè)評(píng)為樣本，計(jì)算研究生云模型。其中選取國(guó)家獎(jiǎng)學(xué)金候選人6名，分別調(diào)出每位研究生的平時(shí)成績(jī)與學(xué)術(shù)表現(xiàn)等方面內(nèi)容，分10個(gè)模塊進(jìn)行賦分，其權(quán)重得分結(jié)果如表2所示。以此模型為樣本，通過(guò)應(yīng)用云模型計(jì)算公式（1）、（2）、（3）、（4）進(jìn)行樣本測(cè)算。

由于計(jì)算過(guò)程復(fù)雜，采用MATLAB軟件進(jìn)行數(shù)學(xué)模擬計(jì)算，輸出表2所示樣本，得出云模型的確定度，每1位候選人生成一個(gè)云滴圖譜，通過(guò)分析比較每個(gè)云滴圖譜的離散性來(lái)判斷最終的綜合測(cè)評(píng)成績(jī)，以此來(lái)評(píng)定最優(yōu)候選人獲得研究生獎(jiǎng)學(xué)金。

4? 結(jié)果與分析

通過(guò)MATLAB程序計(jì)算，生成了如圖1-圖6所示的6位候選人云滴圖譜。表1中數(shù)據(jù)每位候選人的總評(píng)成績(jī)十分接近，難以進(jìn)行準(zhǔn)確判別，生成云滴圖譜后，圖1云滴圖譜中得分值主要集中于10的兩邊，云滴較為集中;圖4的云滴圖譜較為分散，表明與評(píng)判指標(biāo)中的績(jī)點(diǎn)10的傾向度也即是隸屬度函數(shù)較其它幾種圖譜更為發(fā)散;圖2、圖3、圖5的云滴圖譜凝聚度更好，表明其隸屬度函數(shù)更為集中，其中，圖5的云滴圖譜凝聚度最好表明其隸屬度函數(shù)值最優(yōu)。圖6的云滴圖譜較集中，但其圖譜在評(píng)判指標(biāo)中的表現(xiàn)較分散。因此，綜合以上分析，可以得知，圖2、圖3、圖5的云滴圖譜凝聚度更好，表明其隸屬度函數(shù)更為集中，最優(yōu)圖譜為圖5。按照評(píng)判標(biāo)準(zhǔn)，可以選取候選人2、候選人3以及候選人5作為研究生獎(jiǎng)學(xué)金的推選人。從結(jié)果來(lái)看，云模型特別適合于幾種相近且難以進(jìn)行判別的云數(shù)據(jù)，對(duì)于現(xiàn)在的大數(shù)據(jù)時(shí)代，可以從較為繁多的數(shù)據(jù)中優(yōu)選出更合適的數(shù)據(jù)對(duì)象。

5? 結(jié)論

①通過(guò)運(yùn)算，可以對(duì)難以判斷的幾種情形進(jìn)行云滴圖譜分析，結(jié)果發(fā)現(xiàn)，云滴圖譜凝聚度越集中表明其隸屬度函數(shù)值最優(yōu)。

②隸屬度函數(shù)較其它幾種圖譜更為發(fā)散的云滴圖譜，評(píng)判指標(biāo)中績(jī)點(diǎn)的傾向度也相對(duì)較分散。

③云模型適合于判斷幾種較相近，常規(guī)方法難以判斷高低的情形，對(duì)于兩者區(qū)別明顯，計(jì)算過(guò)程較為復(fù)雜。

參考文獻(xiàn)：

[1]國(guó)連玉.基于云模型和灰色模糊綜合評(píng)判的高壓斷路器狀態(tài)評(píng)估[D].山東大學(xué)，2015.

[2]HU Yu-xi，LI Xi-bing. Bayes discriminant analysis method to identify risky of complicated goaf in mines and its application[J]. Transactions of Nonferrous Metals Society of China，2012，22（ 2） ： 425-431.

[3]周永林.基于模糊綜合評(píng)判的可信度評(píng)估模型及方法研究[D].電子科技大學(xué)，2016.

[4]趙國(guó)彥，梁偉章，洪昌壽.采空區(qū)穩(wěn)定性的改進(jìn)云模型二維評(píng)判[J].中國(guó)安全科學(xué)學(xué)報(bào)，2015，25（10）：102-108.

[5]曲朝陽(yáng)，王健，吳云，楊杰明.基于可拓云模型的電力生產(chǎn)安全綜合評(píng)估方法[J].安全與環(huán)境工程，2015，22（03）：94-98.

[6]楊文東，楊棟，謝全敏.基于云模型的邊坡風(fēng)險(xiǎn)評(píng)估方法及其應(yīng)用[J].華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，46（04）：30-34.

[7]徐征捷，張友鵬，蘇宏升.基于云模型的模糊綜合評(píng)判法在風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[J].安全與環(huán)境學(xué)報(bào)，2014，14（02）：69-72.

[8]ZHOU Jian， LI Xi-bing，Mitri S.，et al. Identification of large-scale goaf instability in underground mine using particle swarm optimization and support vector machine[J].International journal of mining science and technology，2013，12（4） ： 184-190.

[9]Van D. N.， Twenty Years of University Report Cards[J]. Higher Education in Europe. 2005， 30（2）：103-125.

[10]He Chunhua， Zhang Haiyan， Wei? Aixiang. Exploration and practice of the practical teaching curriculum system for cultivating applied and innovative undergraduate talents [J].Creative Education， 2012，3（12）：181-184.

[11]HU Jian-hua，SHANG Jun-long，ZHOU Ke-ping，et al. Hazard degree identification of goafs based on scale effect of structure by RS-TOPSIS method[J]. Journal of Central South University，2015，22（ 2） ： 684-692.

[12]許雅璽，王紅巖.基于AHP-熵權(quán)法的機(jī)場(chǎng)服務(wù)質(zhì)量云模型評(píng)價(jià)[J].價(jià)值工程，2016，35（02）：7-10.