摘 要

目前，我国潜艇学员模拟训练成绩的评估方式大多都是以人为主导的定性评估，评估时需动用大量人员，但仍难以保障评估的全面性和客观性。因此，需要寻找一种更为合理的评估方法。支持向量机（SVM）能够在有限样本情况下，求得全局最优解，不但能整合多组信息数据，还能够实现复杂非线性模型逼近，获得有效的数据模型，是建立模拟训练成绩评估模型的优良方案。本文的主要课题便是旨在利用SVM算法来建立潜艇学员的模拟训练成绩评估模型，提高成绩评估的效率与准确率。

本文首先阐述了成绩评估的意义以及现如今我国潜艇学员成绩评估的现状，然后简述了SVM算法的特点以及与其他算法相比其优势所在，并将其衍生算法进行比较，发现SMO算法是最适合此次设计的算法。确定算法后，通过对收集到的潜艇学员的模拟训练成绩数据以及测评标准进行研究，思考并设计了具体评估流程，利用SMO 算法来处理参数优化并构建了模型。最后将处理后的数据进行模拟仿真，验证设计方法的准确性与实用性。

经过对模拟仿真实验结果的分析可以得出结论，此次设计的基于SVM算法的潜艇学员模拟训练成绩评估方法是可行并且有效的，相对于传统人工评估方式，运用这种方法来对学员的模拟训练成绩进行评估，具有分类精度高、误判率低的优势，并且所求结果具有较好的稳健性。采用这种方案不仅可以解决学生成绩评估得公正性问题，还可以节省大量人力和时间，大大提高了评估的效率，具有实际意义。

关键词：SVM ；学员成绩评估；SMO算法

Abstract

At present, most of our submarine students' simulation training performance evaluation methods are human-oriented qualitative assessment, the use of a large number of staff assessment, but still difficult to protect the comprehensive evaluation and objectivity. Therefore, the need to find a more reasonable way. Support vector machine (SVM) can obtain the global optimal solution in the case of finite sample, not only can integrate multi-information data, but also can realize the complex nonlinear model approximation, obtain the effective data model, and establish the simulation training achievement evaluation model The excellent program. The main topic of this paper is to use SVM algorithm to establish the evaluation model of submarine students' simulation training achievement and improve the efficiency and accuracy of performance evaluation.

This paper first describes the significance of the performance evaluation and the status quo of submarine student achievement evaluation in China, and then briefly describes the characteristics of SVM algorithm and its advantages compared with other algorithms, and compare the algorithm to find that SMO algorithm is the most suitable The design of the algorithm. After the algorithm is determined, the simulation results of the collected submarine students and the evaluation criteria are studied. The specific evaluation process is designed and designed. The SMO algorithm is used to deal with the parameter optimization and the model is constructed. Finally, the processed data are simulated and verified to verify the accuracy and practicability of the design method.

Based on the analysis of the simulation results, it can be concluded that the submarine student training training evaluation method based on the SVM algorithm is feasible and effective. Compared with the traditional manual evaluation method, this method is used to simulate the students Training results to assess, with high classification accuracy, low probability of false positives, and the results have a better soundness. The use of this program can not only solve the problem of impartiality in student assessment, but also can save a lot of manpower and time, greatly improving the efficiency of the assessment, with practical significance.

Key words: SVM; student performance evaluation; SMO algorithm

目录

第一章 绪论 1

1.1学员成绩评估的意义 1

1.2我国学员成绩评估的现状 1

1.3设计学员成绩评估方法的目的 2

第二章 SVM算法研究 3

2.1 SVM简介 3

2.2 SVM算法的分析与比较 5

2.3 SMO算法介绍 7

2.3.1 α的选择算法 7

2.3.2 α的更新算法 8

第三章 设计评估模型 9

3.1学员成绩评估流程 9

3.2样本数据分类指标和预处理 10

3.3 建立SVM 评估模型 11

第四章 模型仿真及结果分析 14

4.1 MATLAB简介 14

4.2 SVM算法模型仿真 14

4.1.1 SMO算法的MATLAB实现代码 14

4.1.2仿真过程及结果 14

4.3 结果分析 16

第五章 结论 17

致 谢 18

参考文献 19

附录1：部分潜艇学员成绩评价表 20

附录2：SMO算法的MATALB 实现代码 22

第一章 绪论

近年来，随着科技水平的进步，社会经济的不断发展，国家建设需要更多的高素质人才，而成绩评估便是判断学员优秀与否的关键。现代计算机技术、网络技术、虚拟现实技术等高新技术的迅猛发展，为利用计算机模拟实际环境下的组织指挥和装备技能训练提供了新的手段。建立与潜艇设备同步发展更新的作战模拟训练系统也是我海军舰艇训练的主要方式，而潜艇作战模拟系统的训练成绩评估则是评价和检验训练效果的重要手段。

1.1学员成绩评估的意义

众所周知，在知识教学以及体能训练的过程中，教官必须对学员们的知识和技能进行阶段性，经常性和总结性的检查和评定，即模拟训练，以便了解学员们对知识和技能的掌握情况，以及学员的实际能力。通过对学员模拟训练成绩的评估可以发现学员们在学习训练中各自的优点和缺陷，以便及时鼓励学员努力改进弥补自身的不足，还可以促进和巩固学员们对知识和技能的掌握，培养学员们的刻苦学习的精神和不屈不挠的优秀品质。

此外，对学员们训练成绩的评估的也是对教官们教学方式以及教学效果的评估。通过对学员们成绩的评估的检查比较，便能及时发现教官教学方式中所存在的问题，是教官检查教学效果，总结教学经验，不断改进教学工作的重要途径。评估的结果有助于教官有效的调整和改善教学内容和训练的方法，从而提高教学的质量。