论文部分内容阅读
随着全球竞争日益加剧,世界各国对人才的重要性有了更深刻的认识。人事测评作为人力资源管理部门进行人事管理决策的一个重要依据,当前,不同企业和政府机关的人力资源部门都不同程度地运用人事测评以提高管理效能,然而如何提高人事测评的客观性和准确性一直是开展人事测评工作的一个难题。人事测评实质即对各类指标数据进行综合分析判断,这属于典型的非线形分类问题。随着计算机技术的不断发展,机器学习方法可以从已给数据中发现知识和规律,并指导人类进行分析判断,因而受到越来越多的关注。运用机器学习方法进行人事测评已成为当前人事测评方法研究的热点。首先构建了国防生综合素质测评指标,并明确了指标量化和评估标准。其次分析了粗糙集理论的基本原理,介绍一种对国防生素质指标进行简约的方法。然后阐述了支持向量机的分类原理,主要对支持向量机的一对多、一对一、二叉树SVMs和DAG-SVMs分类方法进行了分析,同时提出了一种结合二叉树SVMs和DAG-SVMs方法特点的混合分类方法。最后,将粗糙集和支持向量机同时运用到国防生的综合素质测评中,即首先利用粗糙集对国防生属性数据进行简约,然后利用支持向量机对简约后的国防生属性数据进行分类。实验中,以国防生的各项素质指标作为输入属性,以优秀、良好、合格和问题四种类别作为国防生综合素质判别属性。对某高校170名国防生进行的分类实验分为2组,第一组以2011年3月份采集的数据作为研究对象进行分类研究,按照三比一的关系分配训练样本和测试样本,第二组以2011年3月份采集到的数据为训练样本,以同年5月份采集的数据为测试数据进行分类研究。实验结果表明,基于粗糙集和支持向量机的分类方法可以为国防生管理者提供客观有效的决策依据。粗糙集的使用达到了优化训练模型的目的,粗糙集和支持向量机组合方法的分类精度比单独使用支持向量机的分类精度要高。