一种基于改进 RBF 神经网络的学生信用评价模型与算法研究

米 张

摘要


针对高校学生的信用评价问题,提出一种基于改进 RBF 神经网络的学生信用评价模型。首先,基于学生的角色特征建立多维度细粒度的静态评价指标体系。其次,通过粒子群算法对径向基 RBF 神经网络进行优化,建立高校学生信用评价模型。最后,通过真实的数据集验证,提出的 PSO-RBF 模型收敛速度更快、泛化能力更强,具有更好的预测效果,可以有效地对高校学生的信用进行评估,在人才培养、用人招聘等方面有着较高的应用价值。

关键词


网络;信用评价;算法研究

全文:

PDF

参考


蒋维.基于改进PSO-BP神经网络的个人信用评价模型及算法研 究[D].成都:电子科技大学,2017.

王磊.基于BP神经网络的P2P网络借贷个人信用评价模型[J].现 代商贸工业,2019,40(3):3.

张晓航,李政,朱晓明,等.基于RBF神经网络的可信加密流量分 类方法[J].计算机与现代化,2022(2):7.

张启凡,王永忠,马俊逸.基于RBF神经网络的短时降水量预测方 法研究[J].计算机与数字工程,2022,50(4):5.




DOI: https://doi.org/10.12346/sde.v4i8.7010

Refbacks

  • 当前没有refback。