張永梅， 馬 禮， 孫海燕， 付昊天， 周 奇

(北方工業(yè)大學(xué) 計算機學(xué)院，北京 100144)

基于模糊神經(jīng)網(wǎng)絡(luò)的程序設(shè)計能力、實踐與創(chuàng)新能力評價方法

張永梅， 馬 禮， 孫海燕， 付昊天， 周 奇

(北方工業(yè)大學(xué) 計算機學(xué)院，北京 100144)

為了有利于解決現(xiàn)有評價方法計算復(fù)雜，過多地將專家意見等主觀因素引入到評價體系中，建立了計算機專業(yè)本科生程序設(shè)計能力、實踐與創(chuàng)新能力的3級評價指標。由于模糊神經(jīng)網(wǎng)絡(luò)匯集了神經(jīng)網(wǎng)絡(luò)與模糊理論的優(yōu)點，集學(xué)習(xí)、聯(lián)想、識別、信息處理于一體，能夠更加真實地反映人腦對于外界信息的處理;采用模糊神經(jīng)網(wǎng)絡(luò)設(shè)計實現(xiàn)了程序設(shè)計能力、實踐與創(chuàng)新能力評價方法。實驗結(jié)果表明，該方法可以較為合理、全面、客觀地評價計算機專業(yè)學(xué)生的編程、實踐與創(chuàng)新能力，有利于發(fā)現(xiàn)教學(xué)、實踐環(huán)節(jié)中的不足之處，進一步培養(yǎng)經(jīng)濟社會發(fā)展急需的信息產(chǎn)業(yè)人才。

編程能力； 實踐能力； 模糊神經(jīng)網(wǎng)絡(luò)； 評價方法

0 引 言

計算機專業(yè)本科畢業(yè)生應(yīng)具有計算思維能力、算法設(shè)計與分析能力、程序設(shè)計與實現(xiàn)能力、系統(tǒng)能力，計算機專業(yè)實踐性常強。但不少企事業(yè)單位反映計算機類畢業(yè)生實際應(yīng)用知識、動手與應(yīng)用能力不夠、程序設(shè)計開發(fā)經(jīng)驗嚴重不足，尤其是程序設(shè)計能力、算法設(shè)計與分析能力無法達到用人單位的要求[1-3]。

程序設(shè)計能力是評判一個學(xué)生是否是一名合格的計算機專業(yè)學(xué)生的一個重要指標。如何客觀地評價計算機專業(yè)本科生的程序設(shè)計能力、實踐與創(chuàng)新能力，并建立有效的評價體系，是亟需解決的問題[4-5]。

評價方法主要包括層次分析法、灰色關(guān)聯(lián)度分析法，以及模糊綜合評價方法。層次分析法是將與決策有關(guān)的元素分解成目標、準則、方案等層次，在此基礎(chǔ)之上進行定性和定量分析的決策方法。層次分析法比較適合于具有分層交錯評價指標的目標系統(tǒng)，而且目標值又難于定量描述的決策問題。其具體步驟為構(gòu)造判斷矩陣，求出其最大特征值，及其對應(yīng)的特征向量，歸一化后，即為某一層次指標對于上一層次某相關(guān)指標的相對重要性權(quán)值，最后再加權(quán)和的方法遞階歸并各備擇方案對總目標的最終權(quán)重，最終權(quán)重最大者即為最優(yōu)方案[6]。該方法的優(yōu)點是：系統(tǒng)性的分析方法，簡潔實用的決策方法，所需定量數(shù)據(jù)信息較少；缺點是：不能為決策提供新方案，定量數(shù)據(jù)較少，定性成分多，不易令人信服，指標過多時數(shù)據(jù)統(tǒng)計量大，且權(quán)重難以確定，特征值和特征向量的精確求法比較復(fù)雜。

灰色關(guān)聯(lián)度分析法是一種灰色系統(tǒng)分析方法，意圖透過一定的方法，尋求系統(tǒng)中各子系統(tǒng)(或因素)之間的數(shù)值關(guān)系。簡言之，灰色關(guān)聯(lián)度法的意義是指在系統(tǒng)發(fā)展過程中，如果兩個因素變化的態(tài)勢是一致的，即同步變化程度較高，則可以認為兩者關(guān)聯(lián)較大；反之，則兩者關(guān)聯(lián)度較小。因此，灰色關(guān)聯(lián)度法對于一個系統(tǒng)發(fā)展變化態(tài)勢提供了量化的度量，非常適合動態(tài)的歷程分析。該方法的優(yōu)點是：對樣本量的要求較低，計算量較小，且與定性分析的結(jié)果更為吻合；缺點是：由于現(xiàn)有的模型存在一些缺陷，導(dǎo)致了該方法應(yīng)用受到限制。

模糊綜合評價法是一種基于模糊數(shù)學(xué)的綜合評價方法。該方法根據(jù)模糊數(shù)學(xué)的隸屬度理論把定性評價轉(zhuǎn)化為定量評價，即用模糊數(shù)學(xué)對受到多種因素制約的事物或?qū)ο笞龀鲆粋€總體的評價。它具有結(jié)果清晰，系統(tǒng)性強的特點，能較好地解決模糊的、難以量化的問題，適合各種非確定性問題的解決。其具體步驟為確定被評價對象的因素(指標)集合評價(等級)集；再分別確定各個因素的權(quán)重及它們的隸屬度矢量，獲得模糊評判矩陣；最后把模糊評判矩陣與因素的權(quán)矢量進行模糊運算并進行歸一化，得到模糊綜合評價結(jié)果[7]。該方法的優(yōu)點是：通過精確的數(shù)字手段處理模糊的評價對象，能對蘊藏信息呈現(xiàn)模糊性的資料作出比較科學(xué)、合理、貼近實際的量化評價；評價結(jié)果是一個矢量，而不是一個點值，包含的信息比較豐富，既可以比較準確地刻畫被評價對象，又可以進一步加工，得到參考信息；缺點是：計算復(fù)雜，對指標權(quán)重矢量的確定主觀性較強。

這些評價方法計算復(fù)雜，過多地將專家意見等主觀因素引入到評價體系中。本文針對上述問題進行了研究，給出反映學(xué)生編程能力、實踐與創(chuàng)新能力的具有較強針對性的一、二、三級評價指標，利用模糊神經(jīng)網(wǎng)絡(luò)的推理模擬和自學(xué)習(xí)優(yōu)勢，消除了評價過程中的主觀性與隨機性，最終得到合理有效的評價結(jié)果，使學(xué)生編程能力、實踐與創(chuàng)新能力的確定更加客觀規(guī)范。

1 學(xué)生編程能力、實踐與創(chuàng)新能力評價指標的建立

對學(xué)生編程能力、實踐與創(chuàng)新能力的評價是一項十分重要的工作，通過評價結(jié)果可以了解到學(xué)生的實際編程能力、實踐與創(chuàng)新能力，有利于發(fā)現(xiàn)教學(xué)、實踐環(huán)節(jié)中的不足之處，進一步培養(yǎng)經(jīng)濟社會發(fā)展急需的信息產(chǎn)業(yè)人才。

為適應(yīng)新形勢下對計算機人才的新要求，應(yīng)該加強培養(yǎng)學(xué)生的程序設(shè)計能力，關(guān)鍵環(huán)節(jié)程序設(shè)計能力、實踐與創(chuàng)新能力，完善各類項目、競賽、實驗實踐教學(xué)，培養(yǎng)大學(xué)生的實踐與創(chuàng)新能力，提高學(xué)生的綜合素質(zhì)，切實提高學(xué)生的編程、創(chuàng)新和實踐能力。因此需要建立一套較為完整的學(xué)生編程能力、實踐與創(chuàng)新能力評價指標。選取指標時，應(yīng)該著重考慮科學(xué)性、系統(tǒng)性、全面性、可行性、目標導(dǎo)向性五條原則。

(1)科學(xué)性。確立的指標是否能夠客觀地反應(yīng)對象的本質(zhì)和特點是一個評價體系是否合理的一個重要因素。

(2)系統(tǒng)性。一個評價體系除了要從側(cè)面反映出每個學(xué)生的編程能力、實踐與創(chuàng)新能力，還要反映它們之間的聯(lián)系，每一組下的指標相互獨立，卻又彼此聯(lián)系，共同構(gòu)成一個有機統(tǒng)一體。

(3)全面性。評價指標要盡可能地覆蓋到學(xué)生的各個方面，要防止以偏概全，但也要抓住重點，不能因小失大。建立的體系應(yīng)該能夠全面地、綜合地反映學(xué)生的編程能力、實踐與創(chuàng)新能力。

(4)可行性。評價體系的數(shù)據(jù)來源應(yīng)該易于獲取，同時來源要可靠。指標在保證全面性的前提之下，盡量簡化，為后面的數(shù)據(jù)處理打好基礎(chǔ)[8-10]。

(5)目標導(dǎo)向性。建立評價體系的初衷是為了通過評價來提升學(xué)生的編程能力、實踐與創(chuàng)新能力，要鼓勵，激勵學(xué)生向更好的方向發(fā)展。這一點也要體現(xiàn)在評價體系中。

根據(jù)上述原則結(jié)合我校的具體情況，計算機專業(yè)學(xué)生的綜合能力可以通過編程、實踐、創(chuàng)新3個方面進行評定，3個一級指標中，編程能力可被分解為數(shù)據(jù)表達能力、程序理解能力、系統(tǒng)認知能力、問題分析能力、硬件基礎(chǔ)能力、基礎(chǔ)科學(xué)素養(yǎng)和程序修改與復(fù)用能力7個方面進行評定，實踐能力可分為實驗性課程、實習(xí)、競賽、資格證書的獲取和參與項目5個方面進行評定，創(chuàng)新能力則可從學(xué)生的創(chuàng)新意識、創(chuàng)新思維、創(chuàng)新知識表達和創(chuàng)新類實踐給出評定結(jié)果。為了使評價指標更具有可操作性，可以將這些二級指標細化為更具體可行的三級指標，具體指標體系如表1所示。

表1 評價體系表

根據(jù)表1所示的評價體系表，通過網(wǎng)絡(luò)調(diào)研，在學(xué)校發(fā)放調(diào)查表，獲取到400份指標，其中350份用于訓(xùn)練網(wǎng)絡(luò)，50份用于測試網(wǎng)絡(luò)，期望輸出是專家對學(xué)生的評價結(jié)果，采集到的部分數(shù)據(jù)如表2所示[11-12]。

表2 部分學(xué)生的得分情況

專家對學(xué)生編程能力、實踐與創(chuàng)新能力的評價結(jié)果較為準確，但仍帶有一定的主觀性。對采集到的數(shù)據(jù)進行簡單分析后不難發(fā)現(xiàn)，只有個別學(xué)生成績都比較高，大部分存在著“偏科”的現(xiàn)象，即某個指標得分很高，有的指標得分比較低，但指標得分較接近相應(yīng)的平均成績。

2 基于模糊神經(jīng)網(wǎng)絡(luò)的編程能力、實踐與創(chuàng)新能力評價方法

模糊邏輯和神經(jīng)網(wǎng)絡(luò)已在理論和應(yīng)用方面得到獨立發(fā)展，模糊邏輯的優(yōu)點是能處理模糊信息、非線性和其他不確定問題，比較適合于表達基于規(guī)則的知識；缺點是缺乏自學(xué)習(xí)和自適應(yīng)能力。神經(jīng)網(wǎng)絡(luò)的優(yōu)點是具有并行計算，分布式信息存儲，容錯能力強，自學(xué)習(xí)功能，缺點是不適合表達基于if-then規(guī)則的知識。表3給出了模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的比較。

表3 模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的比較

近年來，人們將注意力集中到模糊邏輯與神經(jīng)網(wǎng)絡(luò)的集成上，以期克服各自的缺點。把模糊邏輯與神經(jīng)網(wǎng)絡(luò)集成起來，就形成了一種新的研究領(lǐng)域，即模糊神經(jīng)網(wǎng)絡(luò)(Fuzzy network，F(xiàn)NN)。FNN匯集了神經(jīng)網(wǎng)絡(luò)與模糊理論的優(yōu)點，集學(xué)習(xí)、聯(lián)想、識別、信息處理于一體，更加真實地反映人腦對于外界信息的處理。一般模糊系統(tǒng)的概念模型如圖1所示。

圖1 模糊推理系統(tǒng)概念模型

FNN主要由輸入層、模糊化層、模糊推理層、去模糊化和輸出層5層組成。其中模糊輸入層決定網(wǎng)絡(luò)第1層的節(jié)點數(shù)目，并且將輸入向量向下傳遞，模糊化層通過隸屬度函數(shù)實現(xiàn)輸入向量的模糊化，輸出各個模式的隸屬度。模糊推理層采用T-S模糊推理模型，以模糊化層的輸出作為權(quán)值，對輸入數(shù)據(jù)進行模糊推理。然后通過去模糊化層，將模糊推理結(jié)果重新映射成可直接計算的數(shù)值，輸出層給出最終的綜合評價結(jié)果。下面給出FNN各層的詳細說明。

(1) 輸入層。本文通過48個指標實現(xiàn)對學(xué)生編程能力、實踐與創(chuàng)新能力的綜合評價，因此，輸入向量即為學(xué)生的48個成績指標。

(2) 模糊化層。本層主要通過隸屬度函數(shù)和模糊邏輯運算規(guī)則，生成模糊權(quán)值。隸屬度函數(shù)選用指數(shù)函數(shù)：

(1)

由于輸入為48維向量，故本層中共含有96個神經(jīng)元，代表96個隸屬度函數(shù)。通過將第1層傳遞過來的數(shù)據(jù)以全連接的方式輸入這些隸屬度函數(shù)，得到96組隸屬度，將得到的各組隸屬度采用下式中的模糊乘進行模糊計算，得到控制權(quán)值:

(2)

j=1,2,…k

(3) 模糊推理層。采用T-S模糊推理規(guī)則進行模糊推理。T-S模糊推理式為:

(3)

(4) 去模糊化層。對得到的權(quán)重進行歸一化，通過加權(quán)平均方法，將上一層得到的中間輸出進行去模糊化處理

(4)

(5) 輸出層。給出最終的評價結(jié)果。評價的最終結(jié)果可以表示為

(5)

FNN結(jié)構(gòu)如圖2所示。

圖2 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

整個網(wǎng)絡(luò)構(gòu)建完成后，即可采用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法對整個網(wǎng)絡(luò)進行訓(xùn)練，從而自動對網(wǎng)絡(luò)中的權(quán)值進行調(diào)整，使整個網(wǎng)絡(luò)表達的函數(shù)最貼近真實情況，從而生成有效的評價規(guī)則。這些評價規(guī)則作為知識分布在整個網(wǎng)絡(luò)結(jié)構(gòu)中，是對學(xué)生程序設(shè)計能力、實踐與創(chuàng)新能力做出正確評價的主要依據(jù)[15-16]。

3 實驗結(jié)果與分析

本文利用Matlab編程實現(xiàn)了模糊神經(jīng)網(wǎng)絡(luò)，從400組數(shù)據(jù)中選取350組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，另外50組數(shù)據(jù)作為測試數(shù)據(jù)。同時，為了增強網(wǎng)絡(luò)的泛化能力，人為加入了5組特殊值，這5組特殊值所代表的成績分別為0、40、80、95和100分。圖3給出了系統(tǒng)對于訓(xùn)練數(shù)據(jù)的輸出。

圖4所示為50組測試數(shù)據(jù)的輸出。整個系統(tǒng)的輸出即為去模糊后的百分制成績，是對每名計算機專業(yè)本科生編程能力、實踐及創(chuàng)新能力的綜合評價。在測試組中，為了測試程序的泛化能力，也向其中加入了3組特殊值，分別為98、90和30分，與訓(xùn)練組中的特殊值完全不同。由圖4可見，系統(tǒng)無論是對正常測試數(shù)據(jù)還是對3組特殊值，都取得了很好的預(yù)測結(jié)果，并且所有測試數(shù)據(jù)產(chǎn)生的輸出均與專家組的預(yù)測有較高一致性，誤差平均值僅為1.014 4，能夠?qū)Υ髮W(xué)生的編程能力、實踐與創(chuàng)新能力進行綜合、客觀的評價。

圖3 網(wǎng)絡(luò)對于訓(xùn)練數(shù)據(jù)的輸出

圖4 網(wǎng)絡(luò)測試數(shù)據(jù)輸出及誤差曲線

通過對訓(xùn)練后網(wǎng)絡(luò)的權(quán)值進行逆向分析，發(fā)現(xiàn)在最末層權(quán)值中，第26、28、46、54、72這5組訓(xùn)練結(jié)果具有較大權(quán)值，即對最終成績的評定具有較大貢獻。前向追蹤這5組線性表達式，進一步分析發(fā)現(xiàn)這5組數(shù)據(jù)中，權(quán)值較大且具有公共頻度的共有15個指標。這15個指標及頻度見表4。

表4 15個指標的編號及出現(xiàn)頻度

這些編號對應(yīng)的相應(yīng)指標為：面向?qū)ο蟪绦蛟O(shè)計、數(shù)據(jù)結(jié)構(gòu)、C語言程序設(shè)計、計算機組成原理、匯編程序設(shè)計、概率論與數(shù)理統(tǒng)計、程序運行準確率、程序調(diào)試能力、軟件程序設(shè)計競賽、數(shù)學(xué)建模競賽、全國計算機等級考試、計算機軟件水平考試、個人開源項目經(jīng)驗、發(fā)散思維能力、專業(yè)知識創(chuàng)新能力。

由此可見，一個具有較強程序設(shè)計能力、實踐與創(chuàng)新能力的計算機專業(yè)畢業(yè)生必須具備的素質(zhì)包括：①較強的專業(yè)知識，必須至少了解一門程序設(shè)計語言以及相應(yīng)的數(shù)據(jù)結(jié)構(gòu)。②對計算機專業(yè)程序編譯具有全面而深刻的了解，了解操作系統(tǒng)在最底層是怎樣運轉(zhuǎn)的，知道程序的編譯及運行過程。③相應(yīng)的數(shù)學(xué)素養(yǎng)，較高數(shù)學(xué)素養(yǎng)能夠有效幫助學(xué)生理解算法的原理。④實際動手編寫程序的能力，自己動手編寫程序，并能對程序進行快速、準確調(diào)試。⑤參與競賽項目。⑥具有項目經(jīng)驗，能夠參與教師負責(zé)的國家基金、科技支撐計劃、橫向科研等課題，結(jié)合具體實際，設(shè)計算法、編寫程序。⑦良好的邏輯思維能力、抽象能力、編程習(xí)慣，能夠?qū)W以致用。

4 結(jié) 語

本文建立了計算機專業(yè)本科生程序設(shè)計能力、實踐與創(chuàng)新能力的三級評價指標，采用模糊神經(jīng)網(wǎng)絡(luò)設(shè)計實現(xiàn)了程序設(shè)計能力、實踐與創(chuàng)新能力評價方法。該方法可以較為合理、全面、客觀地反映計算機專業(yè)學(xué)生的編程、實踐與創(chuàng)新能力，為解決學(xué)生編程、實踐與創(chuàng)新能力的不足給出了參考數(shù)據(jù)，通過評價結(jié)果可以了解到學(xué)生的實際編程能力、實踐與創(chuàng)新能力，有利于發(fā)現(xiàn)教學(xué)、實踐環(huán)節(jié)中的不足之處，進一步培養(yǎng)經(jīng)濟社會發(fā)展急需的信息產(chǎn)業(yè)人才。

[1] 牛源淵. 基于AHP與DEA的高校科研競爭力評價——以“一省一?！惫こ淘盒槔齕J]. 高等財經(jīng)教育研究, 2015,18(3):38-42.

[2] 邵民智，岑脈霆. 居民食品消費價格指數(shù)遞進時段灰色關(guān)聯(lián)度分析研究[J]. 數(shù)學(xué)的實踐與認識, 2015,45(9):1-8.

[3] 李 茹，張麗芳，褚誠緣. 科技項目模糊綜合評價方法研究[J]. 系統(tǒng)工程理論與實踐, 2006(9):66-76.

[4] 左國平，謝紅艷，邱小平，等. 基于神經(jīng)網(wǎng)絡(luò)的高校教師課堂教學(xué)質(zhì)量評價[J]. 中國現(xiàn)代教育裝備,2011(3):97-99.

[5] 張金梅，員世芬，謝克明. 人工神經(jīng)網(wǎng)絡(luò)在教學(xué)質(zhì)量評價體系中的應(yīng)用[J]. 太原理工大學(xué)學(xué)報,2005,36(1):37-39.

[6] 馮瑩瑩，于 干，周紅志. 層次分析法和神經(jīng)網(wǎng)絡(luò)相融合的教學(xué)質(zhì)量評價[J]. 計算機工程與應(yīng)用,2013,49(17):235-239.

[7] 鄭 永，陳 艷. 基于BP神經(jīng)網(wǎng)絡(luò)的高校教師教學(xué)質(zhì)量評價模型[J]. 重慶理工大學(xué)學(xué)報,2013,29(1):85-90.

[8] 呂云玲，全雪峰，孟曉紅，等. 利用模糊-BP神經(jīng)網(wǎng)絡(luò)評價高校教師教學(xué)質(zhì)量[J]. 計算機時代,2009(8):36-38.

[9] 饒崇林，田?？担囇嗄? 基于標準模型的模糊神經(jīng)網(wǎng)絡(luò)及其Matlab實現(xiàn)[J]. 三峽大學(xué)學(xué)報,2012,24(7):83-85.

[10] 鮮曉東，熊慶宇，陳 靜，等. 基于神經(jīng)網(wǎng)絡(luò)的高校學(xué)生信用模糊評價研究[J]. 計算機科學(xué),2007,34(9):203-205.

[11] 高興培.模糊神經(jīng)網(wǎng)絡(luò)在教學(xué)質(zhì)量評估中的應(yīng)用研究[J].中國科教創(chuàng)新導(dǎo)刊,2009(9):56-57.

[12] 袁鶯楹，劉紅梅. 高校教學(xué)質(zhì)量評價的BP神經(jīng)網(wǎng)絡(luò)模型[J]. 計算機與數(shù)字工程,2015,38(5):16-18.

[13] 洪順華. BP神經(jīng)網(wǎng)絡(luò)在教學(xué)質(zhì)量評估中的應(yīng)用[J]. 機械制造與自動化,2005(6):160-162.

[14] 喬維德. 基于BP神經(jīng)網(wǎng)絡(luò)的現(xiàn)代遠程教育教學(xué)質(zhì)量評價模型的構(gòu)建[J]. 中國遠程教育,2006,17(7): 69-71.

[15] 秦蓀濤. 高校教學(xué)工作水平評估的人工神經(jīng)網(wǎng)絡(luò)模型[J]. 計算機系統(tǒng)應(yīng)用,2004(10):34-37.

[16] 吳 蕾，吳 婷. BP神經(jīng)網(wǎng)絡(luò)在教學(xué)質(zhì)量評價中的應(yīng)用觀察[J]. 湖南理工學(xué)院學(xué)報,2014,27(3):33-36.

Programming, Practice and Innovation Ability Evaluation Method Based on Fuzzy Neural Network

ZHANGYongmei,MALi,SUNHaiyan,FUHaotian,ZHOUQi

(School of Computer Science, North China University of Technology, Beijing 100144, China)

In order to solve the problem of complex computation, and much introduction of the subjective factors such as expert opinions in the existing evaluation methods, this paper establishes tertiary evaluation indexes of programming, practice and innovation abilities for computer major students. Because the fuzzy neural network brings together the advantages of neural network and fuzzy theory, sets learning, association, recognition, information processing in one, it can more truly reflect the human information processing of the external world. The paper designs and implements evaluation method based on fuzzy neural network. Experimental results show the method can more reasonably, comprehensively and objectively evaluate programming, practice and innovation abilities for computer major students, find the deficiencies of teaching and practice, further train information industry professionals for economic and social development.

programming ability; practice ability; fuzzy neural network; evaluation method

2016-03-01

國家自然科學(xué)基金項目(61371143)；北方工業(yè)大學(xué)2015年教育教學(xué)改革和課程建設(shè)資助課題“培養(yǎng)大學(xué)生程序設(shè)計能力、實踐與創(chuàng)新能力的研究與探索(XN093-001)”項目

張永梅(1967-)，女，山西太原人，博士，教授，研究方向為圖像處理。

Tel.：13810842037,010-88802212;E-mail：zhangym@ncut.edu.cn

TP 183

A

1006-7167(2017)02-0018-05