基于PSO-KPLS的教师科研绩效预测

作者：黄玲; 白晓波^*

来源：计算机与现代化, 2022, (06): 8-36.

• 科研绩效
• 核偏最小二乘法
• 均方根误差
• 粒子群算法

为了解决高校教师科研绩效难以预测的问题，首先，建立模型的优化目标，提出PSO-KPLS算法，其基本思想是:利用粒子群(Particle Swarm Optimization,PSO)算法作为寻优算法和均方根误差(RMSE)作为收敛判据，对核偏最小二乘法(Kernel-based Partial Least-Squares,KPLS)的参数进行群体寻优，以代替手动调参的寻优过程。然后，利用多维度的特征向量来表达教师的科研绩效，并利用综合法计算其科研分值。最后，以学院60个教师近6年的数据作为样本，利用PSOKPLS训练模型并对模型进行拟合，并重点探究精度要求对PSO-KPLS运行效率的影响。通过和其他优化的KPLS算法的对比实验，结果表明:利用PSO-KPLS能够准确地预测老师在未来2～3年的科研绩效。

• 单位
  西安工程大学