發(fā)布時(shí)間：2025-01-20 13:32

　　 應(yīng)用AHP-BP神經(jīng)網(wǎng)絡(luò)優(yōu)化模型構(gòu)建了一套城市移動(dòng)圖書(shū)館服務(wù)質(zhì)量評(píng)價(jià)體系。首先在界定移動(dòng)圖書(shū)館服務(wù)質(zhì)量?jī)?nèi)涵的基礎(chǔ)上,從信息資源、服務(wù)環(huán)境、交互質(zhì)量和服務(wù)效果5個(gè)方面選取了15個(gè)二級(jí)指標(biāo),進(jìn)而利用AHP法確定各指標(biāo)的專家權(quán)重,然后利用實(shí)際調(diào)查數(shù)據(jù)采用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)評(píng)價(jià)指標(biāo)權(quán)重進(jìn)行優(yōu)化并確立指標(biāo)體系,使得評(píng)價(jià)結(jié)果更加科學(xué)、客觀、精準(zhǔn)。結(jié)果發(fā)現(xiàn)信息資源是其中最主要的一項(xiàng)評(píng)價(jià)指標(biāo),其次是服務(wù)環(huán)境、服務(wù)效果和交互質(zhì)量。

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

圖1 AHP-BP神經(jīng)網(wǎng)絡(luò)優(yōu)化模型構(gòu)建

針對(duì)傳統(tǒng)模型指標(biāo)權(quán)重確定的優(yōu)缺點(diǎn)，本文結(jié)合AHP法及BP神經(jīng)網(wǎng)絡(luò)法的優(yōu)缺點(diǎn)，利用AHP-BP神經(jīng)網(wǎng)絡(luò)法組合模型，構(gòu)建了城市移動(dòng)圖書(shū)館服務(wù)質(zhì)量評(píng)價(jià)模型，實(shí)現(xiàn)指標(biāo)權(quán)重值的初定與優(yōu)化，具體組合模型如圖1所示。首先，選取指標(biāo)建立評(píng)價(jià)指標(biāo)體系，構(gòu)建層次結(jié)構(gòu)，再結(jié)合專家評(píng)分利用AHP法得到指....

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

為了彌補(bǔ)AHP法不同方面專家偏好及專家打分主觀隨意性對(duì)指標(biāo)權(quán)重的影響，提高評(píng)價(jià)指標(biāo)權(quán)值的客觀性與可靠性，采用BP神經(jīng)網(wǎng)絡(luò)方法對(duì)指標(biāo)權(quán)重進(jìn)行優(yōu)化處理。20世紀(jì)80年代中期，DavidRunelhart等人發(fā)現(xiàn)了誤差反傳訓(xùn)練多層前饋網(wǎng)絡(luò)，進(jìn)而提出了BP神經(jīng)網(wǎng)絡(luò)算法概念[14]，它是....

圖3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練性能曲線

完成樣本數(shù)據(jù)采集之后，選用三層網(wǎng)絡(luò)結(jié)構(gòu)在隱含層節(jié)點(diǎn)數(shù)范圍內(nèi)利用MATLAB軟件建立BP神經(jīng)網(wǎng)絡(luò)，將15個(gè)評(píng)價(jià)指標(biāo)樣本數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)輸入進(jìn)行樣本學(xué)習(xí)訓(xùn)練。在數(shù)據(jù)輸入前，首先進(jìn)行歸一化處理，然后隨機(jī)抽取250份樣本作為訓(xùn)練樣本進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練，剩余50份樣本留作測(cè)試樣本進(jìn)行網(wǎng)絡(luò)....

圖4 BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)擬合結(jié)果

由連接權(quán)值矩陣Wi,j、Wj,k可得到各指標(biāo)BP神經(jīng)網(wǎng)絡(luò)優(yōu)化權(quán)重，具體如表9所示。3.4BP神經(jīng)網(wǎng)絡(luò)指標(biāo)權(quán)重優(yōu)化結(jié)果分析

本文編號(hào)：4029324