近期大量仿制我们网站案例,请客户认准博士论文网唯一官方地址:www.boshilunwen.com !
您现在所在的位置:代写职称论文 > 统计学论文 >

基于遗传支持向量机的期刊评价方法

来源: 博士论文网 时间: 2017-12-01 14:29 阅读: 次 【加入收藏

  期刊评价可以归结为多属性决策问题,即参考多个指标(或称属性)来评价期刊的质量。期刊等级分类是依据期刊的综合评价值来进行划分的。常见的期刊综合评价方法有主成分分析法、因子分析法、灰色关联度方法等。
  
  一、遗传算法 

  期刊质量的等级分类往往需要计算期刊的综合评价值,而且通常需要确定属性的权重值与综合评价值的函数形式。然而在实际的期刊质量综合评价值的计算过程中往往由决策者主观给出属性的权重值并选取综合评价值的函数形式与计算方法。
  
  支持向量机(Support Vector Machine,SVM)是一种基于统计学习理论的模式识别方法。支持向量机在解决小样本、非线性及高维模式识别问题方面具有特有的优势。
  
  基于支持向量机的非线性系统建模不须要事先对函数关系进行任何假设,通过其机器学习的过程达到对问题真实模型的逼近。由于基于期刊的信息来构建期刊的评价模型过程通常很复杂而且往往存在人为的因素,本文利用支持向量机的诸多优点进行非线性拟合,给出评价模型,从而利用该模型对期刊进行评价排序与等级划分。
  
  二、 基于遗传支持向量机的期刊评价方法
  
  本文提出的基于遗传支持向量机的期刊评价方法的具体思路是:首先采用遗传算法来确定支持向量机的参数,然后采用支持向量机进行方案综合评价值的计算。
  
  (一)基于遗传算法的支持向量机的参数确定为了确定在模型(1)的求解过程中的三个参数,采用遗传算法来进行优化,具体步骤如下:
  
  步骤1:初始化参数和种群。对每个个体进行编码,种群中的每个个体都是所要优化的参数;
  
  步骤2:将初始的c(惩罚因子C),g(RBF核函数里的参数γ), 和p(损失函数ε)带入模型,对样本数据进行训练,求出最小的MSE及其对应的c、g和p值;
  
  步骤3:根据适应度函数计算每一个个体的适应度,根据个体的适应度,对整个种群进行遗传操作(选择、交叉、变异、重组),只保留最优的MSE及其对应的c、g和p.
  
  步骤4:判断是否满足终止条件(最大进化代数),终止条件满足则停止,输出整个进化过程中最优的个体,否则返回遗传操作步骤3.
  
  (二)基于遗传支持向量机的期刊评价方法具体的基于遗传支持向量机的期刊评价方法由以下几个步骤组成:
  
  步骤1:将样本数据分成两组,第一组作为训练集,第二组作为测试集;
  
  步骤2:分别对训练集与测试集的样本数据进行规范化处理;
  
  步骤3:采用遗传算法来确定支持向量机的参数;
  
  步骤4:运用遗传支持向量机来拟合方案综合评价值模型;
  
  步骤5:运用拟合的方案综合评价值模型确定方案的综合评价值。
  
  三、 算例分析
  
  如表1所示,首先,将样本数据分成两组,前十组数据作为训练集,后十组数据作为测试集。然后,分别对训练集及测试集的样本数据进行规范化处理,在libsvm工具包的基础上,加入遗传算法优化支持向量机的参数。运用上述给出的算法进行参数寻优获得的结果如下:c=21.2358,g=0.043201,p=0.01033.同时,MSE=0.0015163,所以有理由相信模型的拟合效果。
  
  最后得到20个期刊的综合评价值,分别为:9.920、9.702、10.967、9.622、7.972、8.830、6.690、5.810、5.685、4.919、4.686、4.885、4.460、5.687、3.425、3.370、3.011、2.915、2.953、2.615,因此,得出20个期刊的排序结果为:S3>S1>S2>S4> S6> S5> S7> S8> S14> S9> S10> S12> S11> S13> S15> S16> S17> S19> S18> S20.
  
  四、 结语
  
  本文针对期刊评价问题展开了基于遗传支持向量机的算法研究。通过遗传算法来优化支持向量机模型的参数,来实现方案综合评价值的拟合模型。采用2012年《期刊引用报告》中的20种期刊客观指标数据为样本进行实验,得出符合拟合要求的方案综合评价值拟合模型,进而得到方案的综合评价值与它们的排序。本文提出的算法解决了在期刊等级评价过程中需要人为给出属性权重值以及选择综合评价值计算模型的主观因素,达到了完全根据客观数据来确定期刊综合评价值与其排序的效果,具有可推广性。

  【参考文献】

  [1]邱均平,武庆圆,刘霞.《中国学术期刊评价研究报告》的特色做法和结果分析[J].评价与管理,2011,9(2):29-34.
  [2]罗臻.基于影响因子与h系列指数的期刊学术水平综合评价指标研究[D].长沙:中南大学,2009.
  [3]李超.国内期刊评价及其方法研究的进展与实践[J],情报科学,2012,30(8):1232-1237.
  [4]汪新红,彭绍明,王国红.期刊评价分类体系及期刊入类的实证研究[J].中国科技期刊研究,2012,23(5):752-758.
  [5]俞立平,潘云涛,武夷山.基于因子分析的学术期刊评价指标分类研究[J],图书情报工作,2009,53(8):146-148.
  [6]俞立平,刘爱军.主成分与因子分析在期刊评价中的改进研究[J].情报杂志,2014,33(12):94-98.
  [7]刘志强,曾红卫.基于专家可信度和灰色关联度方法的科技期刊评价系统[J],南京师大学报 (自然科学版),2013(1):142-146.
  [8]俞立平,潘云涛,武夷山.学术期刊评价方法体系构建及相关问题研究[J].编辑学报,2009,21(3):189-192.
  [9]邱均平,张荣,赵蓉英.期刊评价指标体系及定量方法研究[J].现代图书情报技术,2004(7):23-26.
  [10]俞立平.一种新的科教组合评价方法--共性数据排序选择模型[J].统计研究,2009(7):103-108.
  [11]Cortes,C.and Vapnik,V.Support-vector networks[J].Machine Learning,1995,20(1):1-25.
  [12]李金,周璐璐,于虹,梁洪.基于支持向量机的体数据分类算法研究[J].系统仿真学报,2009,21(2):452-456.
  [13]Della sala S,Crawford JR.Impact factor as we know it handicaps neuropsyeho1ogy and neuropsy-chologists[J].Cortex,2006,42(1):1-2.

下一篇:没有了