基于AHP和BP神经网络的本科师范生综合素质评价

邓建梅，丁 华

（南京师范大学泰州学院，江苏 泰州 225300）

本科师范生综合素质评价是高等教育理论研究中的一个重要课题，对实现高等教育的教学目标等方面有着重要作用[1]。本文主要围绕基于层次分析法（Analytic Hierarchy Process，AHP）和BP神经网络的本科师范生综合素质评价系统的设计展开研究。

1 本科师范生综合素质评价模型构建

本研究建立了基于AHP和BP神经网络的本科师范生综合素质评价模型（见图1）。（1）使用AHP分析影响本科师范生综合素质的因素，并确立各评价指标的权重。（2）选取某高校师范生作为研究样本，所得评价结果作为反向传播（Back Propagation，BP）神经网络训练和测试样本。（3）网络训练成熟后，将各参数保存，用户使用时只要输入个评价指标的分值，模型就会输出准确性较高的综合素质评价结果[2]。

1.1 应用AHP确定评价指标权重

1.1.1 指标体系的确立

全面考察德、智、体等各个因素，最终建立包括专业素质、实践能力、政治思想品德素质和文体素质4个一级指标的本科师范生综合素质评价指标体系，如图2所示。

1.1.2 构建判断矩阵并确定指标权重

专家小组通过对本科师范生综合素质影响因素深入分析，采用1—9标度法建立各层判断矩阵，并分别通过一致性检验后得到各个评价指标的权重，如表1所示[3]。

图1 本科师范生综合素质评价模型

图2 本科师范生综合素质评价指标体系

1.2 构建BP神经网络

1.2.1 网络拓扑结构设计

（1）网络层数的确定。一般情况下，增加隐层节点数要比增加隐层数更容易获得较低的训练误差，因此，本文采用只含一个隐层的BP网络3层结构。（2）各层神经元个数的确定。根据本科师范生综合素质评价指标体系，将13个二级指标作为网络的输入神经元，将本科师范生综合素质分值作为网络的输出神经元，即n=13，l=1。隐层节点数的取值范围为整数的最大值8。（3）选取各层激发函数。输入层和隐含层神经元的激发函数为Sigmoid型函数f(x)=1/(1+e-x)输出层神经元的激发函数为f(x)=x。

表1 评价指标权重

1.2.2 BP神经网络模型的训练

（1）网络初始参数的确定。随机初始化BP神经网络的阙值和权值。（2）数据的预处理。由于指标的多样化，初始数据需进行无量纲化处理，本文采用最大最小归一化方法。（3）网络的训练与检验。样本数据分为训练样本和检验样本。

2 实证研究

选取江苏省某本科学校的20位师范生综合素质数据作为样本。前15组数据做训练样本，后5组数据作为检验样本。

运算过程由Matlab软件中的神经网络工具箱来实现，将剩余的16～20组数据输入训练成熟的网络，比较输入值和输出值的相对误差。

检验样本中输出值和期望输出值的相对误差不超过3.48%，输出的综合素质与期望输出完全相同，表明该神经网络模型适用于本科师范生综合素质评价问题，如表2所示。

表2 检验结果

3 结语

本文将AHP和BP神经网络纵向结合应用于本科师范生综合素质评价。利用AHP的确定权面的优势来确定煤矿安全评价指标的权重，利用BP神经网络较强的非线性逼近能力，降低评价过程中主观性的影响[1-3]。通过实证分析，本研究证明了所构建的本科师范生综合素质评价模型是可行的。