基于人工智能综合素质评价探讨

大学生综合素质评价极其重要,它关系到学生自身发展、学校教育教学改革和用人单位能否获得高质量的人才。为此,本文研究建立了一套从多学科角度、定性分析与定量分析相结合、符合需要的艺工结合类院校大学生综合素质评价系统,并对学生的职业进行了猜测。本文研究了影响艺工结合类院校大学生综合素质的因素,建立了大学生综合素质评价指标体系并对各个指标进行了量化分析,利用层次分析法确定了各个指标的权重。为了解决学生素质的模糊性和不确定性问题,文中引入模糊综合评价法分别计算出了每个学生的综合素质及分项素质模块的得分,但在应用模糊数学对学生综合素质进行评价时,计算过程繁琐,无法自动调整隶属度函数及模糊规则。文中设计了新的综合评价数学模型,运用模糊分析与神经网络在评价中各自的优点,提出了一种组合算法—模糊神经网络算法,建立了大学生综合素质模糊神经网络模型,为了加快网络的收敛速度,练习过程中采用了聚类分析法,对各项指标的数值进行了聚类。此方法能实现综合素质智能化,计算精度较高,解决了模糊评价不能自动调整隶属度函数的问题,能较好的对学生素质进行评价。但网络收敛速度没有得到根本性的提高,为了解决这一问题,文中采用模糊数学中的相似测度法对模型的隐层节点数进行了改进,实验证实该模型增加了网络的收敛速度并优化了网络结构。本文阐述了小波分析与神经网络结合对职业猜测的优点,构建了基于小波神经网络的职业猜测模型,把职业分为四类,分别对网络进行练习,该模型具有良好的仿真性、猜测精度较高、练习时间较短,猜测结果为学生对自己职业全方位了解提供了有力依据。【关键词】：艺工结合综合素质模糊综合评价模糊神经网络小波神经网络
【论文提纲】：摘要3-4Abstract4-9第1章绪论9-161.1课题研究的背景和意义9-101.1.1课题研究的背景9-101.1.2课题研究目的及意义101.2国内外研究现状10-121.3大学生综合素质评价过程中存在的问题12-131.4课题研究的主要内容及主要方法13-161.4.1课题研究的主要内容13-141.4.2课题研究的主要方法14-16第2章大学生综合素质评价指标体系的建立及权重的确定16-262.1大学生综合素质评价指标体系的构建16-192.1.1大学生综合素质评价的原则16-172.1.2大学生综合素质指标体系建立的原则172.1.3大学生综合素质评价指标体系模型的构建17-192.2评价指标权重的确定19-252.2.1层次分析法简述202.2.2层次分析法的步骤20-222.2.3层次分析法确定大学生综合素质的权重22-242.2.4指标体系权重表24-252.3小结25-26第3章大学生综合素质的模糊综合评价模型26-383.1常见综合评价方法分析比较26-273.2模糊综合评价方法27-303.2.1单级模糊综合评价27-283.2.2多级模糊综合评价28-303.3基于层次分析的大学生综合素质模糊评价模型30-343.4模糊评价应用34-373.5小结37-38第4章基于模糊神经网络的大学生综合素质评价模型38-544.1模糊系统和神经网络的融合38-414.1.1模糊系统和神经网络结合的可能性38-404.1.2人工神经网络与模糊系统的结合方式40-414.2基于FNN的大学生综合素质模型研究41-444.2.1FNN综合素质评价模型的确定41-434.2.2FNN模型中隶属度函数选择434.2.3FNN模型中模糊规则的确定43-444.3FNN综合素质评价的学习算法分析44-494.3.1单个神经元的基本结构44-454.3.2基于FNN的综合素质评价各层输入输出关系45-464.3.3FNN模型的参数调整46-494.3.4基于FNN的大学生综合素质猜测结果494.4改进隐层节点的FNN算法49-514.4.1最佳隐层节点数的确定49-514.4.2仿真实验514.5FNN与改进隐层节点后的练习模型比较51-534.6小结53-54第5章小波神经网络猜测模型在大学生职业猜测中的应用54-675.1小波神经网络的适用性54-555.1.1小波神经网络简介545.1.2小波神经网络的适用性54-555.2小波神经网络职业猜测模型及其算法55-625.2.1小波神经网络的分类和基本模型55-565.2.2小波神经网络的结构56-575.2.3构造数据样本575.2.4基于WNN的职业猜测学习算法57-625.3试验与分析62-665.4小结66-67第6章总结67-696.1全文总结676.2展望67-69参考文献69-72作者攻读硕士学位期间发表的学术论文72-73致谢73