基于支持向量回归的教育评估方法
国防科技大学训练部政策研究室 王强 黄楠
摘要 分析了教育评估问题及现有方法，提出了基于支持向量回归的教育讦估方法。首先，介绍了支持向量回归算法。其次，探讨了基于支持向量回归的教育评估原理。最后，以学位授权点合格评估为例进行了模拟评估。
关键词 教育评估 支持向量回归 合格评估
一、引言
高等教育质量向来是人们关注的热点。教育评估是政府对高等教育进行决策、控制和管理，促进高校竞争与发展的重要手段。由于教育活动的复杂性，造成影响教育质量的诸多因素之间存在着大量的相关性，并且这些因素与教育质量评估结果之间表现出高度的非线性、不确定性和不精确性，难以建立确定的数学模型。近年来，应用具有非线性学习能力的各种智能学习方法进行教育评估的实践已引起越来越多研究人员的关注[1-3]。
支持向量机(Support Vector Machine，SVM)是Vapnik等学者在统计学习理论基础上提出的一种新型智能学习方法[4]。SVM建立在VC维理论和结构风险最小化准则基础上。与神经网络(neural network，NN)等传统智能学习方法相比，SVM具有小样本学习、泛化能力强等特点，能有效地避免过度学习、局部极小点以及“维数灾难”等问题。通过引入ε不敏感损失函数，Vapnik等将SVM推广到非线性系统的回归估计，建立了支持向量回归算法（Support Vector Regression，SVR），并广泛应用于函数估计、非线性系统建模等多个领域[5]。
应用SVR对非线性系统进行回归估计时，不需要事先对函数关系进行任何假设。本文利用这一特性，提出以教育评估的历史数据为基础，采用SVR建立教育评估要素与教育评估结果的关系，为教育评估提供一种新方法。
……
（文见《中国高等教育评估》2007年第4期）