典型文献
基于PSO-KPLS的教师科研绩效预测
文献摘要：
为了解决高校教师科研绩效难以预测的问题,首先,建立模型的优化目标,提出PSO-KPLS算法,其基本思想是:利用粒子群(Particle Swarm Optimization,PSO)算法作为寻优算法和均方根误差(RMSE)作为收敛判据,对核偏最小二乘法(Kernel-based Partial Least-Squares,KPLS)的参数进行群体寻优,以代替手动调参的寻优过程.然后,利用多维度的特征向量来表达教师的科研绩效,并利用综合法计算其科研分值.最后,以学院60个教师近6年的数据作为样本,利用PSO-KPLS训练模型并对模型进行拟合,并重点探究精度要求对PSO-KPLS运行效率的影响.通过和其他优化的KPLS算法的对比实验,结果表明:利用PSO-KPLS能够准确地预测老师在未来2～3年的科研绩效.
文献关键词：
科研绩效;核偏最小二乘法;均方根误差;粒子群算法
中图分类号：
作者姓名：
黄玲;白晓波
作者机构：
西安工程大学管理学院,陕西西安710048
文献出处：
引用格式：
[1]黄玲;白晓波-.基于PSO-KPLS的教师科研绩效预测)[J].计算机与现代化,2022(06):8-12,36
A类：
核偏最小二乘法
B类：
PSO,KPLS,教师科研,科研绩效,高校教师,难以预测,建立模型,模型的优化,优化目标,基本思想,Particle,Swarm,Optimization,寻优算法,RMSE,判据,Kernel,Partial,Least,Squares,替手,特征向量,综合法,训练模型,精度要求,粒子群算法
AB值：
0.302819
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
