[发明专利]基于遗传算法优化BP神经网络的学生综合素质测定方法

权利要求书

1.基于遗传算法优化BP神经网络的学生综合素质测定方法，其特征在于，包括以下步骤：

S1，构造样本数据：获取学生各项素质指标的样本数据，作为BP神经网络的训练样本；

S2，确定网络拓扑结构：确定BP神经网络隐含层层数以及各层所含神经元的个数，同时初始化神经网络的权值阈值；

S3，权值阈值优化：采用遗传算法优化BP神经网络的权值阈值；

S4，训练及测试：对BP神经网络进行训练，并利用未曾训练过的数据进行测试；

S5，学生综合素质测定：将学生的各项素质指标数据输入训练好的BP神经网络，从而实现了对学生综合素质的测定。

2.根据权利要求1所述的基于遗传算法优化BP神经网络的学生综合素质测定方法，其特征在于，步骤S1中所述的各项素质指标包括学生的德、智、体、美、劳指标及其个性发展指标。

3.根据权利要求1所述的基于遗传算法优化BP神经网络的学生综合素质测定方法，其特征在于，步骤S1还包括：将获取的学生各项素质指标的样本数据中的分数转换为标准分Z。

4.根据权利要求3所述的基于遗传算法优化BP神经网络的学生综合素质测定方法，其特征在于，步骤S1还包括：将获取的学生各项素质指标的样本数据中的等级成绩转化为标准分Z。

5.根据权利要求4所述的基于遗传算法优化BP神经网络的学生综合素质测定方法，其特征在于，所述的将获取的学生各项素质指标的样本数据中的等级成绩转化为标准分Z具体包括以下步骤：

(1)计算评定人员评定的各个等级的人数比率；

(2)计算本评定小组1/2的面积与本评定小组以下面积之和；

(3)计算本评定小组的评分点至Z＝0之间的面积；

(4)根据正太分布表，查找与步骤(3)中结果最接近的P值，与该P值相对应的Z值即各等级中点所对应的Z分数。

6.根据权利要求1或5所述的基于遗传算法优化BP神经网络的学生综合素质测定方法，其特征在于，步骤S2中，所述的BP神经网络隐含层层数为1，该隐含层所含神经元的个数为11个。

7.根据权利要求6所述的基于遗传算法优化BP神经网络的学生综合素质测定方法，其特征在于，步骤S3中所述的采用遗传算法优化BP神经网络的权值阈值具体包括以下步骤：

a.通过BP神经网络确定权值、阈值长度；

b.对BP神经网络的权值和阈值进行实数编码，产生初始种群；

c.采用BP神经网络的实际输出和期望输出的均方差函数的倒数作为适应度函数，并通过适应度函数确定每个个体的适值；

d.利用选择、交叉、变异进行循环操作，直到超过设定的迭代次数时停止，选择适值最大的个体作为群体的最优个体；

e.用当前群体的最优个体，分解为BP神经网络的连接权值和阈值，用最优的权值和阈值作为BP神经网络的初始权值和阈值。

8.根据权利要求7所述的基于遗传算法优化BP神经网络的学生综合素质测定方法，其特征在于，步骤d中，利用轮盘赌诸法作为选择方法。

9.根据权利要求1或7所述的基于遗传算法优化BP神经网络的学生综合素质测定方法，其特征在于，步骤S4中采用BFGS准牛顿BP算法对BP神经网络进行训练。

10.根据权利要求7所述的基于遗传算法优化BP神经网络的学生综合素质测定方法，其特征在于，步骤d中，设定的迭代次数为80代。