管理类研究生支持向量机预测决策实验教学研究

龚科+王勇+朱兴亮

摘 要：提升研究生的数据分析能力是培养研究生创新能力的重要方面。管理类研究生的分析能力中很重要的一方面就是分类和非线性预测与决策问题的解决。本文以此为目的，研究了管理类研究生支持向量机预测与决策实验教学的设计、实验课题的选择，并讨论了存在的问题和对策。

关键词：管理类研究生 支持向量机 决策实验教学

自泰勒提出科学管理理论以来，管理学正式确立了其新兴科学的重要地位。以运筹学、统计学、博弈论、进化计算、神经网络、机器学习、证据理论等为代表的数学方法广泛应用到管理建模与管理实践中，组成现代管理方法与技术的管理方法论。

在这些实际问题中，对复杂数据的分类问题及复杂函数估计问题的分析是解决这类问题的重要方面。近几年，学者在复杂数据分类及复杂函数估计问题解决方面作出了重大的贡献，其中支持向量机是近几年解决此类科学问题的重要工具。

支持向量机的理论基础是统计学习理论，主要用于分类及模式识别问题。目前支持向量（回归）机已应用在外贸出口预测、电力负荷预测、农产品的消费市场需求动态预测、投资组合风险预测等方面。由于复杂的函数估计问题和复杂的数据分类问题在经管类研究生研究的问题中普遍存在，因此将支持向量机作为实验工具，培养经管类研究生解决这一类问题的动手能力和研究能力具有重要的现实意义。

一、我校管理类研究生教育现状

目前，我校提出了建设“教学科研型大学”的目标。在这一目标的指引下，如何培养学生的科研能力及创新能力是这一课题的重要问题之一。目前，我校拥有3个博士点、4个一级学科硕士点、27个二级学科硕士点，在校全日制硕士、博士研究生数量超过1000人。随着我校发展，博士点、硕士点、研究生数量稳步上升。研究生逐渐成为一支不可忽略的科研生力军。因此，培育和发展我校研究生的论文写作能力，是加强我校科研能力建设的重要途径之一。

管理学院作为我校培养经济管理人才的学院之一，近年来加大了对学生科研创新能力的培养力度，对经济管理研究生的培养进行了调研，并提出了很多教学改进方法。在这些管理问题中，复杂的分类问题和多元数据非线性回归问题是其中的重要方面，很多决策、预测、评价等问题均可以抽象为以上两种科学问题。支持向量机是近几年用于解决该类问题的一种较流行的工具。因此，本实验教改的实验教案可以为经管类学生深入学习支持向量机及帮助其了解非线性预测方法具有一定的现实意义。经过前期理论知识积累和现场实践经验的总结，对支持向量机应用于实验教学环节进行有益的探索，并从理论与实践角度为培养研究生的研究能力和动手能力提供实验材料。

二、实验设计方法

对于综合设计性实验项目的研究与设计，主要采取了以下课题研究方法：

（1）调查分析法：根据对课题的理解与规划，以各种交流沟通方式对主讲教师进行访谈，有针对性地调查实验教学的基本情况，进而整理与分析现今实验教学环节存在的问题、原因，并在此基础上找到解决问题的思路。此外，对外采用各类调研方式，如学校互联网主页浏览、走访等方式，对其他兄弟院校的实验教学理念和成功经验进行调研与总结。

（2）文献资料法：课题组利用我校教学、科研资源，特别是我校图书馆的图书资源及各类电子网络资源，其中包括维普数据库、CNKI博硕论文全文数据库、超星数字图书馆、EBSCO数据库、Sciendirect、SpringLink数据库等网络数据资料，检索与课题研究问题相关的专著和论文，了解本领域课题研究的最新进展情况，总结、归纳出最新的、具有代表性的实验案例及实验方案。

三、针对专业的实验课题选择

在实验课题的选择上，首先要考虑研究生的不同专业领域和研究方向，其主要来源主要从以下几个方面考虑：

1.人力资源管理方向。针对研究方向偏向于人力资源管理的学生。本项目选取了企业人力资源的预测问题作为其中的一个实验，通过该实验使得此类学生能够建立起支持向量机解决工商管理领域中的一些问题的思路。

2.交通管理类学生。研究方向偏向于交通管理类的学生其研究的领域主要偏向于解决交通管理中的一些实际问题，如交通流量预测。因此，在实验选择中选取交通流量预测问题作为其中的一个实验，通过该实验使得此类学生能够建立起支持向量机解决交通管理领域中的一些问题的思路。

3.管理科学与工程类学生。对于研究方向偏向于管理科学与工程类的学生在实验选择中选取了项目终止决策问题作为其中的两个实验，通过该实验使得此类学生能够建立起支持向量机解决管理决策领域中的一些问题的思路。

4.经济类学生。经济类学生对时间序列地研究要求较高，本项目选取了多维时间序列的外贸出口量预测验，通过该实验使得此类学生建立支持向量机解决多元非线性时间序列领域中的一些问题的思路。

5.信息管理类学生。信息管理类学生较多地研究管理信息系统及决策支持系统，因此本项目选取物业税税基批量评估作为实验项目，该实验实际上是通过支持向量机构建一种专家系统。通过该实验帮助信息管理类学生建立如何利用机器学习方法构建专家系统。

四、问题与对策

在实际实验教学实践过程中，遇到如下问题：（1）我院研究生的研究方向较多，本项目中设计的实验项目无法覆盖到所有研究方向的学生。（2）现有解决分类问题和多元非线性问题的工具较多，本项目设计的实验仅考虑支持向量机一种，对于更高层次的研究要求，例如，对其他模型的比较、模型的鲁棒性、模型的效率等方面有待进一步深入。

针对以上不足，提出如下改进措施：（1）进一步对该实验教学系统的应用领域进行有针对性的扩充和完善，搜集和整理相关资料，本研究设计的6个实验项目在今后的教学实践中还需要进一步的修改和完善。（2）在对模型的比较和更深入的研究方面，学院可进一步开展其他类似工具的教学。对数学基础较好的同学开设一些深度较高的课程，例如神经网络、复杂系统建模、随机过程等，引导他们做更深入的研究。

因为所选取的科研课题是紧密联系实际生活和工作岗位的，所以研究生在以后研究工作中初步建立起解决分类问题和非线性多元回归问题的基础，在遇到此类问题的时候能够立即有一定的解决思路，能够较快地进入研究角色，缩短解决问题的路径和难度。

五、结语

本文针对管理类研究生迫切需要增加非线性回归、分类等分析能力提升的问题，提出一系列支持向量机预测与决策实验教学教改方案。通过实践发现，该方案提升了研究生的分析能力，为他们进一步的研究和论文发表打下了基础。

参考文献：

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