论文部分内容阅读
对复杂对象综合评价的研究一直是普遍关注的问题,而高校学生信用评价是典型的复杂对象综合评价问题。该评价涉及多方面因素,各因素的描述方式不同,而且普遍存在模糊性,在对其进行综合评价时,应该充分考虑模糊性的影响。本文以高校学生信用评价为研究背景,首先介绍了复杂对象综合评价相关理论和方法,研究了综合评价的发展现状,分析了综合评价存在的问题,然后根据神经网络评价方法和模糊系统的各自特点,对两者进行了比较。在此基础上,对神经网络与模糊系统的结合进行了研究,建立了一种模糊评价神经网络模型,解决高校学生信用评价中的模糊性问题。模糊评价神经网络模型是基于神经网络和模糊综合评价建立的综合评价模型。本文研究了模型的具体结构和算法,以及模型涉及的隶属函数确定,权值建立,模糊合成算子选取等关键问题。模糊评价神经网络模型将模糊综合评价理论嵌入神经网络,汇聚神经网络与模糊综合评价的优点。该网络的节点与参数具有鲜明的物理意义,使神经网络的求解过程不再是“黑箱”;通过神经网络的学习来抽取模糊综合评价方法,处理模糊信息所依赖的隶属函数和权值;根据模糊综合评价理论确定网络的初始化参数,使模糊评价神经网络学习算法的收敛速度明显优于传统的算法。基于模糊评价神经网络模型,对高校学生信用评价进行了研究。首先对高校学生信用评价指标的选取和评价指标体系的建立进行了研究。其次确定了相应的网络结构,利用改进的层次分析法确定了各级初始权值,并采用了等分区间法建立隶属函数,根据评价指标的权值分配特点选择了模糊合成算子。然后利用MATLAB7.1软件建立了模糊评价神经网络,对高校学生信用评价进行了仿真试验,实验结果证明了该模型的合理性和可行性。最后在MATLAB环境下开发了高校学生信用评价软件,实现了模糊评价神经网络的应用。模糊评价神经网络模型的建立,为高校学生信用评价提供了正确决策的依据,同时也为复杂对象综合评价应用于其它领域提供了一条良好的途径。