基于神经网络的高校学生信用模糊评价模型研究1.PDF

基于神经网络的高校学生信用模糊评价模型研究1 1, 2 1, 2 2 2 2 陈静 ，熊庆宇 ，黄奇 ，鲜晓东 ，梁山 1 高电压与电工新技术教育部重点实验室，重庆 (400030) 2 重庆大学自动化学院，重庆 (400030) E-mail：mchenchen@ 摘 要：本文为更有效地对高校学生信用进行综合评价，建立了高校学生信用评价多级指标 体系，提出了一种基于神经网络的评价模型。模型将模糊理伦引入神经网络，通过神经网络 的学习训练来调整模糊数学中的相应参数，以有效地模拟模糊综合评价的过程，对信用评价 的定性过程而言，具有一定的合理性。 关键词：模糊评价，神经网络，信用评价指标 中图分类号：TP183 1. 引 言 个人信用档案的建立在国外非常普遍，并且在社会生活的各方面都发挥着很重要的作 用。如今，我国个人信用建设也成为社会发展的必然趋势，而高校学生信用评价系统的研究 是发展个人信用的基础。所以，对高校学生信用评价的研究也愈显其重要性。为此,本文将 确定高校学生信用评价指标体系，研究建立高校学生信用评价模型。 国内外对于个人信用评价方法已做了大量的研究工作，越来越多如统计学及运筹学等计 量方法被运用到信用评价领域。统计学方法主要包括线性回归[1] [2][3] 、判别分析 和 Logistic 回归[4] [5] 等；运筹学方法则主要是一些线性规划方法 。大部分的信用评分模型都使用其中的 一种方法，或将几种方法结合起来使用。在最近几年，一些非参数统计方法以及人工智能模 型也被引入到评价模型，如最近邻方法[6] [3][7] [4][8] ，神经网络 以及专家系统 均被应用到信用评 价的研究之中。上述这些方法应用于方案的评价都是有效的、可行的, 然而, 这些评价方法 不同程度地存在一些局限性, 总结如下：一是主观色彩较强, 许多评价参数通常是由设计人 员根据经验确定, 若缺乏经验, 评价结果必然不理想；二是评价工作繁琐，每进行一次评价 都需要对方案进行深入分析, 然后综合评价，不能利用已有的成功案例, 专家经验得不到很 好积累；三是对模糊性信息处理不充分， 弱化或回避大量模糊信息。 高校学生信用评价的指标多数为模糊信息，而模糊信息处理的关键就是构建隶属函数和 确定权值。然而隶属函数的构建和权值的确定都不容易，需要靠人的经验知识进行调整，消 耗时间长。神经网络能实现非线性映射，具有很强的学习能力，因此我们可以将模糊逻辑嵌 入神经网络来处理模糊信息。我们利用已有的成功案例，通过神经网络的学习来调整隶属函 数的参数和权值。本文提基于模糊评价神经网络的高校学生信用评价模型。该模型在神经网 络结构中引入模糊综合评价方法，利用神经网络的高度非线性、容错性和自学习性[9]的特 点，来构建和调整模糊综合评价方法处理模糊信息所依赖的隶属函数和权值。 本文的内容按以下几个方面展开：第2 部分构建高校学生信用评价指标体系；第3 部分 介绍模糊评价神经网络构造；第4 部分是仿真实例；最后为本文小结。 2. 评价指标体系 根据国内外成熟的个人信用评价的指标体系，并结合我国的实际情况和文化背景，运用 1本课题得到国家自然科学基金（项目编号）和重庆市自然科学基金（项目编号：2006BB2192 ） 的资助。 -1- 信用调查机构和高校提供的相应的学生个人信用资料，本文选择建立二级综合评价指标体