摘要
传统的学生可雇佣能力评估是基于调查问卷方式的实证研究,研究结果易受人为主观因素的干扰和影响,出现模型失真和不准确现象。人工神经网络具有自学习、自适应和鲁棒性强的特点,完全满足学生可雇佣能力评估复杂问题预测分析的要求,并且能够减少人为因素的干扰。首先根据调研得到可雇佣能力评估模型,构造其三层BP神经网络模型;然后输入一定规模的样本数据对网络模型进行训练,得到稳定的神经网络模型内在表示。为了加快神经网络模型的学习速度,采用遗传算法对学生可雇佣能力评价指标进行属性约简。经过计算实验的验证取得了比传统调查问卷方式更好的模型效果。
