作　　者： ; ; ; ;

机构地区： 江西财经大学高等教育研究所

出　　处： 《情报杂志》 2010年第4期46-51,共6页

摘　　要： 根据支持向量机(SVM)有样本个数、过程误差分布、样本点分布无严格要求、而且推广能力强等特点,引用SVM技术对高等教育的质量控制和预测问题进行了回归分析,从机器学习的角度提出了一个泛化能力较强的回归模型,对几种不同的回归方法作了泛化能力比较,发现SVM回归方法能够大幅度地提高拟合模型的泛化能力,且不需要额外的测试样本。并引入了Kolmogorov-Smirnov(KS)检验方法,以检验影响高等教育质量因素是否服从正态分布,这能说明在全国范围内高等教育质量是否有显著差异,检验结果表明影响高等教育质量的因素变量是服从正态分布的,体现了我国高等教育质量具有较好的稳定性。本研究作为一种新的尝试,希望能解决高等教育质量控制难于建模、难于量化分析的问题。

关 键 词： 支持向量机 回归 高等教育质量 模型拟合 检验

领　　域： [社会学] [经济管理]