基于深层数据分类高校就业率计算优化模型

作者：赵洪章; 王莉

来源：科技通报, 2013, (02): 106-108.

DOI：10.13774/j.cnki.kjtb.2013.02.060

• 支持向量机
• 高校就业率
• 计算复杂度 support vector machine(SVM)
• the employment rate
• computational complexity

在高校就业率统计过程中,需要利用支持向量机方法进行统计。由于这种统计方法计算复杂度比较高,运算时间比较长,造成高校就业率统计的效率较低。为此,本文提出了一种基于支持向量机优化算法的高校就业率统计方法。对高校就业样本进行分类处理,并将分类的结果进行统计。实验结果表明,这种算法能够有效提高高校就业率统计的效率,取得了令人满意的效果。

• 单位
  西北工业大学