基于AHP和BP神經網絡的本科師范生綜合素質評價

鄧建梅，丁 華

（南京師范大學泰州學院，江蘇 泰州 225300）

本科師范生綜合素質評價是高等教育理論研究中的一個重要課題，對實現高等教育的教學目標等方面有著重要作用[1]。本文主要圍繞基于層次分析法（Analytic Hierarchy Process，AHP）和BP神經網絡的本科師范生綜合素質評價系統的設計展開研究。

1 本科師范生綜合素質評價模型構建

本研究建立了基于AHP和BP神經網絡的本科師范生綜合素質評價模型（見圖1）。（1）使用AHP分析影響本科師范生綜合素質的因素，并確立各評價指標的權重。（2）選取某高校師范生作為研究樣本，所得評價結果作為反向傳播（Back Propagation，BP）神經網絡訓練和測試樣本。（3）網絡訓練成熟后，將各參數保存，用戶使用時只要輸入個評價指標的分值，模型就會輸出準確性較高的綜合素質評價結果[2]。

1.1 應用AHP確定評價指標權重

1.1.1 指標體系的確立

全面考察德、智、體等各個因素，最終建立包括專業素質、實踐能力、政治思想品德素質和文體素質4個一級指標的本科師范生綜合素質評價指標體系，如圖2所示。

1.1.2 構建判斷矩陣并確定指標權重

專家小組通過對本科師范生綜合素質影響因素深入分析，采用1—9標度法建立各層判斷矩陣，并分別通過一致性檢驗后得到各個評價指標的權重，如表1所示[3]。

圖1 本科師范生綜合素質評價模型

圖2 本科師范生綜合素質評價指標體系

1.2 構建BP神經網絡

1.2.1 網絡拓撲結構設計

（1）網絡層數的確定。一般情況下，增加隱層節點數要比增加隱層數更容易獲得較低的訓練誤差，因此，本文采用只含一個隱層的BP網絡3層結構。（2）各層神經元個數的確定。根據本科師范生綜合素質評價指標體系，將13個二級指標作為網絡的輸入神經元，將本科師范生綜合素質分值作為網絡的輸出神經元，即n=13，l=1。隱層節點數的取值范圍為整數的最大值8。（3）選取各層激發函數。輸入層和隱含層神經元的激發函數為Sigmoid型函數f(x)=1/(1+e-x)輸出層神經元的激發函數為f(x)=x。

表1 評價指標權重

1.2.2 BP神經網絡模型的訓練

（1）網絡初始參數的確定。隨機初始化BP神經網絡的闕值和權值。（2）數據的預處理。由于指標的多樣化，初始數據需進行無量綱化處理，本文采用最大最小歸一化方法。（3）網絡的訓練與檢驗。樣本數據分為訓練樣本和檢驗樣本。

2 實證研究

選取江蘇省某本科學校的20位師范生綜合素質數據作為樣本。前15組數據做訓練樣本，后5組數據作為檢驗樣本。

運算過程由Matlab軟件中的神經網絡工具箱來實現，將剩余的16～20組數據輸入訓練成熟的網絡，比較輸入值和輸出值的相對誤差。

檢驗樣本中輸出值和期望輸出值的相對誤差不超過3.48%，輸出的綜合素質與期望輸出完全相同，表明該神經網絡模型適用于本科師范生綜合素質評價問題，如表2所示。

表2 檢驗結果

3 結語

本文將AHP和BP神經網絡縱向結合應用于本科師范生綜合素質評價。利用AHP的確定權面的優勢來確定煤礦安全評價指標的權重，利用BP神經網絡較強的非線性逼近能力，降低評價過程中主觀性的影響[1-3]。通過實證分析，本研究證明了所構建的本科師范生綜合素質評價模型是可行的。