龔科+王勇+朱興亮

摘 要：提升研究生的數(shù)據(jù)分析能力是培養(yǎng)研究生創(chuàng)新能力的重要方面。管理類研究生的分析能力中很重要的一方面就是分類和非線性預(yù)測與決策問題的解決。本文以此為目的，研究了管理類研究生支持向量機預(yù)測與決策實驗教學(xué)的設(shè)計、實驗課題的選擇，并討論了存在的問題和對策。

關(guān)鍵詞：管理類研究生 支持向量機 決策實驗教學(xué)

自泰勒提出科學(xué)管理理論以來，管理學(xué)正式確立了其新興科學(xué)的重要地位。以運籌學(xué)、統(tǒng)計學(xué)、博弈論、進化計算、神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)、證據(jù)理論等為代表的數(shù)學(xué)方法廣泛應(yīng)用到管理建模與管理實踐中，組成現(xiàn)代管理方法與技術(shù)的管理方法論。

在這些實際問題中，對復(fù)雜數(shù)據(jù)的分類問題及復(fù)雜函數(shù)估計問題的分析是解決這類問題的重要方面。近幾年，學(xué)者在復(fù)雜數(shù)據(jù)分類及復(fù)雜函數(shù)估計問題解決方面作出了重大的貢獻，其中支持向量機是近幾年解決此類科學(xué)問題的重要工具。

支持向量機的理論基礎(chǔ)是統(tǒng)計學(xué)習(xí)理論，主要用于分類及模式識別問題。目前支持向量（回歸）機已應(yīng)用在外貿(mào)出口預(yù)測、電力負荷預(yù)測、農(nóng)產(chǎn)品的消費市場需求動態(tài)預(yù)測、投資組合風(fēng)險預(yù)測等方面。由于復(fù)雜的函數(shù)估計問題和復(fù)雜的數(shù)據(jù)分類問題在經(jīng)管類研究生研究的問題中普遍存在，因此將支持向量機作為實驗工具，培養(yǎng)經(jīng)管類研究生解決這一類問題的動手能力和研究能力具有重要的現(xiàn)實意義。

一、我校管理類研究生教育現(xiàn)狀

目前，我校提出了建設(shè)“教學(xué)科研型大學(xué)”的目標。在這一目標的指引下，如何培養(yǎng)學(xué)生的科研能力及創(chuàng)新能力是這一課題的重要問題之一。目前，我校擁有3個博士點、4個一級學(xué)科碩士點、27個二級學(xué)科碩士點，在校全日制碩士、博士研究生數(shù)量超過1000人。隨著我校發(fā)展，博士點、碩士點、研究生數(shù)量穩(wěn)步上升。研究生逐漸成為一支不可忽略的科研生力軍。因此，培育和發(fā)展我校研究生的論文寫作能力，是加強我?？蒲心芰ㄔO(shè)的重要途徑之一。

管理學(xué)院作為我校培養(yǎng)經(jīng)濟管理人才的學(xué)院之一，近年來加大了對學(xué)生科研創(chuàng)新能力的培養(yǎng)力度，對經(jīng)濟管理研究生的培養(yǎng)進行了調(diào)研，并提出了很多教學(xué)改進方法。在這些管理問題中，復(fù)雜的分類問題和多元數(shù)據(jù)非線性回歸問題是其中的重要方面，很多決策、預(yù)測、評價等問題均可以抽象為以上兩種科學(xué)問題。支持向量機是近幾年用于解決該類問題的一種較流行的工具。因此，本實驗教改的實驗教案可以為經(jīng)管類學(xué)生深入學(xué)習(xí)支持向量機及幫助其了解非線性預(yù)測方法具有一定的現(xiàn)實意義。經(jīng)過前期理論知識積累和現(xiàn)場實踐經(jīng)驗的總結(jié)，對支持向量機應(yīng)用于實驗教學(xué)環(huán)節(jié)進行有益的探索，并從理論與實踐角度為培養(yǎng)研究生的研究能力和動手能力提供實驗材料。

二、實驗設(shè)計方法

對于綜合設(shè)計性實驗項目的研究與設(shè)計，主要采取了以下課題研究方法：

（1）調(diào)查分析法：根據(jù)對課題的理解與規(guī)劃，以各種交流溝通方式對主講教師進行訪談，有針對性地調(diào)查實驗教學(xué)的基本情況，進而整理與分析現(xiàn)今實驗教學(xué)環(huán)節(jié)存在的問題、原因，并在此基礎(chǔ)上找到解決問題的思路。此外，對外采用各類調(diào)研方式，如學(xué)?；ヂ?lián)網(wǎng)主頁瀏覽、走訪等方式，對其他兄弟院校的實驗教學(xué)理念和成功經(jīng)驗進行調(diào)研與總結(jié)。

（2）文獻資料法：課題組利用我校教學(xué)、科研資源，特別是我校圖書館的圖書資源及各類電子網(wǎng)絡(luò)資源，其中包括維普數(shù)據(jù)庫、CNKI博碩論文全文數(shù)據(jù)庫、超星數(shù)字圖書館、EBSCO數(shù)據(jù)庫、Sciendirect、SpringLink數(shù)據(jù)庫等網(wǎng)絡(luò)數(shù)據(jù)資料，檢索與課題研究問題相關(guān)的專著和論文，了解本領(lǐng)域課題研究的最新進展情況，總結(jié)、歸納出最新的、具有代表性的實驗案例及實驗方案。

三、針對專業(yè)的實驗課題選擇

在實驗課題的選擇上，首先要考慮研究生的不同專業(yè)領(lǐng)域和研究方向，其主要來源主要從以下幾個方面考慮：

1.人力資源管理方向。針對研究方向偏向于人力資源管理的學(xué)生。本項目選取了企業(yè)人力資源的預(yù)測問題作為其中的一個實驗，通過該實驗使得此類學(xué)生能夠建立起支持向量機解決工商管理領(lǐng)域中的一些問題的思路。

2.交通管理類學(xué)生。研究方向偏向于交通管理類的學(xué)生其研究的領(lǐng)域主要偏向于解決交通管理中的一些實際問題，如交通流量預(yù)測。因此，在實驗選擇中選取交通流量預(yù)測問題作為其中的一個實驗，通過該實驗使得此類學(xué)生能夠建立起支持向量機解決交通管理領(lǐng)域中的一些問題的思路。

3.管理科學(xué)與工程類學(xué)生。對于研究方向偏向于管理科學(xué)與工程類的學(xué)生在實驗選擇中選取了項目終止決策問題作為其中的兩個實驗，通過該實驗使得此類學(xué)生能夠建立起支持向量機解決管理決策領(lǐng)域中的一些問題的思路。

4.經(jīng)濟類學(xué)生。經(jīng)濟類學(xué)生對時間序列地研究要求較高，本項目選取了多維時間序列的外貿(mào)出口量預(yù)測驗，通過該實驗使得此類學(xué)生建立支持向量機解決多元非線性時間序列領(lǐng)域中的一些問題的思路。

5.信息管理類學(xué)生。信息管理類學(xué)生較多地研究管理信息系統(tǒng)及決策支持系統(tǒng)，因此本項目選取物業(yè)稅稅基批量評估作為實驗項目，該實驗實際上是通過支持向量機構(gòu)建一種專家系統(tǒng)。通過該實驗幫助信息管理類學(xué)生建立如何利用機器學(xué)習(xí)方法構(gòu)建專家系統(tǒng)。

四、問題與對策

在實際實驗教學(xué)實踐過程中，遇到如下問題：（1）我院研究生的研究方向較多，本項目中設(shè)計的實驗項目無法覆蓋到所有研究方向的學(xué)生。（2）現(xiàn)有解決分類問題和多元非線性問題的工具較多，本項目設(shè)計的實驗僅考慮支持向量機一種，對于更高層次的研究要求，例如，對其他模型的比較、模型的魯棒性、模型的效率等方面有待進一步深入。

針對以上不足，提出如下改進措施：（1）進一步對該實驗教學(xué)系統(tǒng)的應(yīng)用領(lǐng)域進行有針對性的擴充和完善，搜集和整理相關(guān)資料，本研究設(shè)計的6個實驗項目在今后的教學(xué)實踐中還需要進一步的修改和完善。（2）在對模型的比較和更深入的研究方面，學(xué)院可進一步開展其他類似工具的教學(xué)。對數(shù)學(xué)基礎(chǔ)較好的同學(xué)開設(shè)一些深度較高的課程，例如神經(jīng)網(wǎng)絡(luò)、復(fù)雜系統(tǒng)建模、隨機過程等，引導(dǎo)他們做更深入的研究。

因為所選取的科研課題是緊密聯(lián)系實際生活和工作崗位的，所以研究生在以后研究工作中初步建立起解決分類問題和非線性多元回歸問題的基礎(chǔ)，在遇到此類問題的時候能夠立即有一定的解決思路，能夠較快地進入研究角色，縮短解決問題的路徑和難度。

五、結(jié)語

本文針對管理類研究生迫切需要增加非線性回歸、分類等分析能力提升的問題，提出一系列支持向量機預(yù)測與決策實驗教學(xué)教改方案。通過實踐發(fā)現(xiàn)，該方案提升了研究生的分析能力，為他們進一步的研究和論文發(fā)表打下了基礎(chǔ)。

參考文獻：

[1]Wisniewski R. Selected Aspects of the Use of Artificial Neural Networks for the Mass Appraisal of Real Estates in Poland[J]. Argumenta oeconomica. 2008，21（2）：125-152.

[2]Guan J，Zurada J，As L. An Adaptive Neuro-Fuzzy Inference System Based Approach to Real Estate Property Assessment[J]. Journal of real estate research. 2008，30（4）：395-421.

[3]Peterson S，F(xiàn)lanagan A B. Neural Network Hedonic Pricing Models in Mass Real Estate Appraisal[J]. Journal of real estate research. 2009，31（2）：147-164.