论文部分内容阅读
国际交流与合作是高校建设的重点,采取定性和定量分析相结合的方法对其研究具有重要的社会意义和现实意义。针对高校国际交流与合作数据的小样本、非线性等特点,充分发挥支持向量机的分类精度和泛化能力,构建两套基于仿生智能算法的高校国际交流与合作水平定位的支持向量机模型。提出GA_SJ算法,得到自动选择核参数并进行SVM训练的优化分类支持向量机模型。该算法通过将随机搜索思想引入到遗传算法当中,并采用最优保存策略和动态的交叉和变异概率,有效地提高了遗传算法的效率,实现对高校国际交流与合作定量数据较高的分类性能。提出ACO-SVM模型,该模型将SVM分类预测准确率作为目标函数,对蚁群算法进行改进,引入有向搜索和基于时变函数更新的信息素更新原则,利用蚁群算法的并行性、正反馈机制和较强的鲁棒性,以求得最优目标并得到SVM的最优参数组合,实现对高校国际交流与合作定量数据分析的分类精炼化。将基于遗传算法与随机思想相耦合算法和改进蚁群算法的优化支持向量机参数模型构建的两套高校国际交流与合作定位模型,用于辽宁省高校国际交流与合作的水平定位中,均取得了较好的预测分类效果,为高校国际交流与合作水平的定位提供两种可行的定量分析方法,并依此结果给出加强高校国际交流与合作的对策。