基于云模型數字特征的研究生綜合能力云模型測評

陳超 呂曉雪

摘要：云模型是大數據時代提出的一種計算方法，可應用多方面的大數據分析。本文針對現行研究生綜合測評難以進行客觀評價，采用多方面權重辦法難以判斷相近候選人的相近指數，采用云模型的計算方法，優化分析研究生的各項權重分析，用于判別評分中的最優候選人。通過對云模型評價指標的優化，獲取云模型的計算公式與樣本，對6位候選人的樣本數據進行計算分析，結果表明，樣本數據得分值較為接近，難以直接判斷優異，利用云模型計算，各類綜合測評更均衡的候選人獲得了凝聚度更優，其隸屬度函數更為集中的云滴圖譜，以此優選出了合適的獎學金推薦人。云模型特別適合于幾種相近且難以進行判別的云數據，論文的研究為大數據時代從繁多的數據中優選出更合適的數據對象提供了參考。

Abstract： Cloud model is a computing method proposed in the era of big data， which can be applied to analyze large data with many aspects. In this paper， it is difficult to make an objective evaluation on the current comprehensive evaluation of graduate students. It is difficult to judge the close index of the similar candidates by means of multiple weighting methods. The calculation method of cloud model is used to optimize the analysis of the weight of graduate students， which can be used to judge the best candidate in the score. Through the optimization of the evaluation index of the cloud model， the calculation formula and sample of the cloud model are obtained， and the sample data of the 6 candidates are calculated and analyzed. The results show that the score of the sample data is very close， and it is difficult to be judged directly. The more balanced candidates of all kinds of comprehensive evaluation have obtained the more cohesiveness by using the cloud model. Excellent， its membership function is more concentrated cloud droplet map， so as to select the right scholarship sponsor. The cloud model is especially suitable for several similar and difficult to discriminate cloud data. The research of this paper provides a reference for selecting more appropriate data objects from a wide range of data in the era of large data.

關鍵詞：云模型;隸屬度函數;大數據;綜合評判;數據期望;測評

Key words： cloud model;membership function;dig data;comprehensive evaluation;data expectation;evaluation

中圖分類號：TP309? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2019）25-0219-03

0? 引言

研究生綜合能力測評是作為研究生獎學金評定、綜合能力的最重要依據，包括思想品德、學業成績、學術科研、社會活動等四個方面組成。然而，由于評價因素的不確定性[1]，對于思想品德、學術科研、社會活動均難以用確定的數據進行定量描述，形成準確的評價體系，使綜合能力相差較近的研究生難以實現差別化對待。

云模型是近年來新興起的一門學科，專門針對不確定性問題的人工智能不確定性評價，可通過模型構建方法，對不確定性問題實現定量識別與定性判斷[2-5]。云模型的研究上，楊文東等利用云模型的計算，對邊緣風險進行了模型計算，提出了風險云模型評估的方法[6]。徐征捷等進行了云模型的邊緣評價[7]。Zhou等利用計算機系統，開發了基于大數據的云模型判別系統[8]。

本文針對現行研究生綜合測評難以進行客觀評價，采用多方面權重辦法難以判斷相近候選人的相近指數，采用云模型的計算方法，優化分析研究生的各項權重分析，用于判別評分中的最優候選人，是現代計算機技術的綜合應用。

1? 綜合測評權重分布

研究生綜合測評內容由思想品德、學業成績、學術科研、社會活動等四個方面組成，各方面的權重比例不同，由這四項加權后的總分來確定，綜合測評成績按以下公式計算：

綜合測評成績=思政德育×10%+學業成績×30%+學術表現×40%+社會活動×20%

由于這種評定方法是以統計總分值來評定綜合測評，難以獲知具體某位研究生的綜合能力的總體體現。為建立云模型，將原綜合測評方法細分成10個部分權重，每個部分由具體的細分要素來組合，具體如表1所示。其中，思政德育為10分，學業成績細分為3個模塊，每個模塊為10分;學術表現為40分，細分為4個模塊，其中，論文、專利等成果可向上加分，但最高不高于11分。社會層面分成2個模塊，由此細分成10個模塊，構成新測評方法，由云模型來評定綜合測評成績高低。

2? 云模型的構建

云模型是李德毅院士研究定性與定量模型判別是提出的，主要針對不確定性的隨機性問題實施判別[9]。研究生綜合能力測評是一個復雜的評判過程，每一位研究生的綜合能力不同，得到不同的期望評判，難以制定絕對的評價標準，因此，可借助云模型的方法進行判斷綜合能力排名。云模型是通過綜合測評分數，來計算最終成績的隸屬度，根據隸屬度值來判斷綜合排名的高低傾向性。其計算隸屬度模型可由公式（1）生成：

公式（1）中，En為云模型的數字特征[10]，也即期望值，Ex為研究生綜合能力隨機數組合，（x，μ）為期望值生成的一個云滴。μ也即為隸屬度函數。

公式（2）中，a，b為隸屬度函數所求常數，可根據綜合測評樣本計算。

公式（3）中，n為綜合測評計算次數。

公式（4）中，s為綜合測評計算樣本方差，He為云滴數字特征[11]。

3? 研究生云模型樣本計算

以某大學2017年碩士研究生綜合測評為樣本，計算研究生云模型。其中選取國家獎學金候選人6名，分別調出每位研究生的平時成績與學術表現等方面內容，分10個模塊進行賦分，其權重得分結果如表2所示。以此模型為樣本，通過應用云模型計算公式（1）、（2）、（3）、（4）進行樣本測算。

由于計算過程復雜，采用MATLAB軟件進行數學模擬計算，輸出表2所示樣本，得出云模型的確定度，每1位候選人生成一個云滴圖譜，通過分析比較每個云滴圖譜的離散性來判斷最終的綜合測評成績，以此來評定最優候選人獲得研究生獎學金。

4? 結果與分析

通過MATLAB程序計算，生成了如圖1-圖6所示的6位候選人云滴圖譜。表1中數據每位候選人的總評成績十分接近，難以進行準確判別，生成云滴圖譜后，圖1云滴圖譜中得分值主要集中于10的兩邊，云滴較為集中;圖4的云滴圖譜較為分散，表明與評判指標中的績點10的傾向度也即是隸屬度函數較其它幾種圖譜更為發散;圖2、圖3、圖5的云滴圖譜凝聚度更好，表明其隸屬度函數更為集中，其中，圖5的云滴圖譜凝聚度最好表明其隸屬度函數值最優。圖6的云滴圖譜較集中，但其圖譜在評判指標中的表現較分散。因此，綜合以上分析，可以得知，圖2、圖3、圖5的云滴圖譜凝聚度更好，表明其隸屬度函數更為集中，最優圖譜為圖5。按照評判標準，可以選取候選人2、候選人3以及候選人5作為研究生獎學金的推選人。從結果來看，云模型特別適合于幾種相近且難以進行判別的云數據，對于現在的大數據時代，可以從較為繁多的數據中優選出更合適的數據對象。

5? 結論

①通過運算，可以對難以判斷的幾種情形進行云滴圖譜分析，結果發現，云滴圖譜凝聚度越集中表明其隸屬度函數值最優。

②隸屬度函數較其它幾種圖譜更為發散的云滴圖譜，評判指標中績點的傾向度也相對較分散。

③云模型適合于判斷幾種較相近，常規方法難以判斷高低的情形，對于兩者區別明顯，計算過程較為復雜。

參考文獻：

[1]國連玉.基于云模型和灰色模糊綜合評判的高壓斷路器狀態評估[D].山東大學，2015.

[2]HU Yu-xi，LI Xi-bing. Bayes discriminant analysis method to identify risky of complicated goaf in mines and its application[J]. Transactions of Nonferrous Metals Society of China，2012，22（ 2） ： 425-431.

[3]周永林.基于模糊綜合評判的可信度評估模型及方法研究[D].電子科技大學，2016.

[4]趙國彥，梁偉章，洪昌壽.采空區穩定性的改進云模型二維評判[J].中國安全科學學報，2015，25（10）：102-108.

[5]曲朝陽，王健，吳云，楊杰明.基于可拓云模型的電力生產安全綜合評估方法[J].安全與環境工程，2015，22（03）：94-98.

[6]楊文東，楊棟，謝全敏.基于云模型的邊坡風險評估方法及其應用[J].華中科技大學學報（自然科學版），2018，46（04）：30-34.

[7]徐征捷，張友鵬，蘇宏升.基于云模型的模糊綜合評判法在風險評估中的應用[J].安全與環境學報，2014，14（02）：69-72.

[8]ZHOU Jian， LI Xi-bing，Mitri S.，et al. Identification of large-scale goaf instability in underground mine using particle swarm optimization and support vector machine[J].International journal of mining science and technology，2013，12（4） ： 184-190.

[9]Van D. N.， Twenty Years of University Report Cards[J]. Higher Education in Europe. 2005， 30（2）：103-125.

[10]He Chunhua， Zhang Haiyan， Wei? Aixiang. Exploration and practice of the practical teaching curriculum system for cultivating applied and innovative undergraduate talents [J].Creative Education， 2012，3（12）：181-184.

[11]HU Jian-hua，SHANG Jun-long，ZHOU Ke-ping，et al. Hazard degree identification of goafs based on scale effect of structure by RS-TOPSIS method[J]. Journal of Central South University，2015，22（ 2） ： 684-692.

[12]許雅璽，王紅巖.基于AHP-熵權法的機場服務質量云模型評價[J].價值工程，2016，35（02）：7-10.