Evaluation of Graduate Comprehensive Ability Cloud Model Based on Cloud Model Digital Characteristics
陈超① CHEN Chao；吕晓雪② LV Xiao-xue
（①新疆阿拉尔质量技术监督综合检测检验所，阿拉尔 843300；②新疆阿拉尔市纤维检验所，阿拉尔 843300）
（①Xinjiang Alar Comprehensive Inspection and Test Institute of Quality and Technology Supervision，Alar 843300，China；
②Xinjiang Alar Fiber Inspection Institute，Alar 843300，China）
摘要：云模型是大数据时代提出的一种计算方法，可应用多方面的大数据分析。本文针对现行研究生综合测评难以进行客观评价，采用多方面权重办法难以判断相近候选人的相近指数，采用云模型的计算方法，优化分析研究生的各项权重分析，用于判别评分中的最优候选人。通过对云模型评价指标的优化，获取云模型的计算公式与样本，对6位候选人的样本数据进行计算分析，结果表明，样本数据得分值较为接近，难以直接判断优异，利用云模型计算，各类综合测评更均衡的候选人获得了凝聚度更优，其隶属度函数更为集中的云滴图谱，以此优选出了合适的奖学金推荐人。云模型特别适合于几种相近且难以进行判别的云数据，论文的研究为大数据时代从繁多的数据中优选出更合适的数据对象提供了参考。
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.
关键词：云模型；隶属度函数；大数据；综合评判；数据期望；测评
Key words: cloud model；membership function；dig data；comprehensive evaluation；data expectation；evaluation
中图分类号：TP309 文献标识码：A 文章编号：1006-4311（2019）25-0219-03
0 引言
研究生综合能力测评是作为研究生奖学金评定、综合能力的最重要依据，包括思想品德、学业成绩、学术科研、社会活动等四个方面组成。然而，由于评价因素的不确定性[1]，对于思想品德、学术科研、社会活动均难以用确定的数据进行定量描述，形成准确的评价体系，使综合能力相差较近的研究生难以实现差别化对待。
云模型是近年来新兴起的一门学科，专门针对不确定性问题的人工智能不确定性评价，可通过模型构建方法，对不确定性问题实现定量识别与定性判断[2-5]。云模型的研究上，杨文东等利用云模型的计算，对边缘风险进行了模型计算，提出了风险云模型评估的方法[6]。徐征捷等进行了云模型的边缘评价[7]。Zhou等利用计算机系统，开发了基于大数据的云模型判别系统[8]。
本文针对现行研究生综合测评难以进行客观评价，采用多方面权重办法难以判断相近候选人的相近指数，采用云模型的计算方法，优化分析研究生的各项权重分析，用于判别评分中的最优候选人，是现代计算机技术的综合应用。
1 综合测评权重分布
研究生综合测评内容由思想品德、学业成绩、学术科研、社会活动等四个方面组成，各方面的权重比例不同，由这四项加权后的总分来确定，综合测评成绩按以下公式计算：
综合测评成绩=思政德育×10%+学业成绩×30%+学术表现×40%+社会活动×20%
由于这种评定方法是以统计总分值来评定综合测评，难以获知具体某位研究生的综合能力的总体体现。为建立云模型，将原综合测评方法细分成10个部分权重，每个部分由具体的细分要素来组合，具体如表1所示。其中，思政德育为10分，学业成绩细分为3个模块，每个模块为10分；学术表现为40分，细分为4个模块，其中，论文、专利等成果可向上加分，但最高不高于11分。社会层面分成2个模块，由此细分成10个模块，构成新测评方法，由云模型来评定综合测评成绩高低。
2 云模型的构建
云模型是李德毅院士研究定性与定量模型判别是提出的，主要针对不确定性的随机性问题实施判别[9]。研究生综合能力测评是一个复杂的评判过程，每一位研究生的综合能力不同，得到不同的期望评判，难以制定绝对的评价标准，因此，可借助云模型的方法进行判断综合能力排名。云模型是通过综合测评分数，来计算最终成绩的隶属度，根据隶属度值来判断综合排名的高低倾向性。其计算隶属度模型可由公式（1）生成：
■（1）
公式（1）中，En为云模型的数字特征[10]，也即期望值，Ex为研究生综合能力随机数组合，（x，μ）为期望值生成的一个云滴。μ也即为隶属度函数。
■（2）
公式（2）中，a，b为隶属度函数所求常数，可根据综合测评样本计算。
■（3）
公式（3）中，n为综合测评计算次数。
■（4）
公式（4）中，s为综合测评计算样本方差，He为云滴数字特征[11]。
3 研究生云模型样本计算
以某大学2017年硕士研究生综合测评为样本，计算研究生云模型。其中选取国家奖学金候选人6名，分别调出每位研究生的平时成绩与学术表现等方面内容，分10个模块进行赋分，其权重得分结果如表2所示。以此模型为样本，通过应用云模型计算公式（1）、（2）、（3）、（4）进行样本测算。
由于计算过程复杂，采用MATLAB软件进行数学模拟计算，输出表2所示样本，得出云模型的确定度，每1位候选人生成一个云滴图谱，通过分析比较每个云滴图谱的离散性来判断最终的综合测评成绩，以此来评定最优候选人获得研究生奖学金。
4 结果与分析
通过MATLAB程序计算，生成了如图1-图6所示的6位候选人云滴图谱。表1中数据每位候选人的总评成绩十分接近，难以进行准确判别，生成云滴图谱后，图1云滴图谱中得分值主要集中于10的两边，云滴较为集中；图4的云滴图谱较为分散，表明与评判指标中的绩点10的倾向度也即是隶属度函数较其它几种图谱更为发散；图2、图3、图5的云滴图谱凝聚度更好，表明其隶属度函数更为集中，其中，图5的云滴图谱凝聚度最好表明其隶属度函数值最优。图6的云滴图谱较集中，但其图谱在评判指标中的表现较分散。因此，综合以上分析，可以得知，图2、图3、图5的云滴图谱凝聚度更好，表明其隶属度函数更为集中，最优图谱为图5。按照评判标准，可以选取候选人2、候选人3以及候选人5作为研究生奖学金的推选人。从结果来看，云模型特别适合于几种相近且难以进行判别的云数据，对于现在的大数据时代，可以从较为繁多的数据中优选出更合适的数据对象。
5 结论
①通过运算，可以对难以判断的几种情形进行云滴图谱分析，结果发现，云滴图谱凝聚度越集中表明其隶属度函数值最优。
②隶属度函数较其它几种图谱更为发散的云滴图谱，评判指标中绩点的倾向度也相对较分散。
③云模型适合于判断几种较相近，常规方法难以判断高低的情形，对于两者区别明显，计算过程较为复杂。
参考文献：
[1]国连玉.基于云模型和灰色模糊综合评判的高压断路器状态评估[D].山东大学，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.基于模糊综合评判的可信度评估模型及方法研究[D].电子科技大学，2016.
[4]赵国彦，梁伟章，洪昌寿.采空区稳定性的改进云模型二维评判[J].中国安全科学学报，2015，25（10）：102-108.
[5]曲朝阳，王健，吴云，杨杰明.基于可拓云模型的电力生产安全综合评估方法[J].安全与环境工程，2015，22（03）：94-98.
[6]杨文东，杨栋，谢全敏.基于云模型的边坡风险评估方法及其应用[J].华中科技大学学报（自然科学版），2018，46（04）：30-34.
[7]徐征捷，张友鹏，苏宏升.基于云模型的模糊综合评判法在风险评估中的应用[J].安全与环境学报，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]许雅玺，王红岩.基于AHP-熵权法的机场服务质量云模型评价[J].价值工程，2016，35（02）：7-10. |
