基于支持向量机的高校人才评价系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 高校人才评价与管理的研究现状 | 第12-13页 |
| 1.2.2 支持向量机研究现状 | 第13页 |
| 1.3 项目背景和数据 | 第13-14页 |
| 1.4 主要研究内容和论文结构 | 第14-16页 |
| 1.4.1 主要研究内容 | 第14-15页 |
| 1.4.2 论文结构 | 第15-16页 |
| 第2章 支持向量机研究基础 | 第16-31页 |
| 2.1 机器学习 | 第16-19页 |
| 2.1.1 机器学习的模型 | 第16-17页 |
| 2.1.2 损失函数 | 第17页 |
| 2.1.3 经验样本最小化原则 | 第17-18页 |
| 2.1.4 复杂性和推广性 | 第18-19页 |
| 2.2 统计学基础 | 第19-23页 |
| 2.2.1 VC维 | 第19-20页 |
| 2.2.2 学习过程的一致性条件 | 第20-21页 |
| 2.2.3 推广性的界 | 第21-22页 |
| 2.2.4 结构风险最小化原则 | 第22-23页 |
| 2.3 支持向量机理论 | 第23-30页 |
| 2.3.1 线性可分支持向量机 | 第24-26页 |
| 2.3.2 松弛变量和惩罚因子 | 第26-28页 |
| 2.3.3 核函数 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于SVM的人才预测模型 | 第31-42页 |
| 3.1 预测模型准备 | 第31-35页 |
| 3.1.1 实验工具 | 第31-32页 |
| 3.1.2 数据来源 | 第32-33页 |
| 3.1.3 数据应用 | 第33页 |
| 3.1.4 检验方法 | 第33-34页 |
| 3.1.5 参数寻优 | 第34-35页 |
| 3.2 实验过程 | 第35-39页 |
| 3.2.1 实验流程 | 第35-36页 |
| 3.2.2 实验步骤 | 第36-39页 |
| 3.3 实验结果及分析 | 第39-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第4章 高端人才评价系统的设计 | 第42-52页 |
| 4.1 系统的开发技术及主要框架 | 第42-47页 |
| 4.1.1 基于B/S的体系结构 | 第42-43页 |
| 4.1.2 MVC开发模型 | 第43-45页 |
| 4.1.3 ThinkPHP框架 | 第45页 |
| 4.1.4 响应式布局 | 第45-46页 |
| 4.1.5 其他相关技术 | 第46-47页 |
| 4.2 系统需求分析 | 第47-48页 |
| 4.2.1 业务需求分析 | 第47页 |
| 4.2.2 功能需求分析 | 第47-48页 |
| 4.3 系统设计 | 第48-51页 |
| 4.3.1 系统的结构设计 | 第48页 |
| 4.3.2 功能模块设计 | 第48-49页 |
| 4.3.3 系统流程设计 | 第49-50页 |
| 4.3.4 数据库设计 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 高端人才评价系统的实现 | 第52-60页 |
| 5.1 模块具体实现 | 第52-58页 |
| 5.1.1 首页模块的实现 | 第52-53页 |
| 5.1.2 年度高端人才分布模块 | 第53-54页 |
| 5.1.3 个人信息模块 | 第54页 |
| 5.1.4 论文信息模块 | 第54-55页 |
| 5.1.5 预测模块的实现 | 第55-56页 |
| 5.1.6 数据库的实现 | 第56-58页 |
| 5.2 系统测试 | 第58页 |
| 5.3 系统总结 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 全文总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 攻读硕士学位期间所获成果 | 第64-65页 |
| 致谢 | 第65页 |
