翁麗華 張 彥 呂延文

（1衢州學(xué)院 學(xué)生教育管理處；2衢州學(xué)院 化學(xué)與材料工程學(xué)院；3衢州學(xué)院 學(xué)生處，浙江 衢州 324000）

RBF網(wǎng)絡(luò)在大學(xué)生黨員發(fā)展中的應(yīng)用

翁麗華1張 彥2呂延文3

（1衢州學(xué)院 學(xué)生教育管理處；2衢州學(xué)院 化學(xué)與材料工程學(xué)院；3衢州學(xué)院 學(xué)生處，浙江 衢州 324000）

作者在對(duì)傳統(tǒng)的本學(xué)院大學(xué)生發(fā)展黨員的機(jī)制進(jìn)行研究后，認(rèn)識(shí)到現(xiàn)行的黨員發(fā)展機(jī)制中，存在著個(gè)別有待科學(xué)改進(jìn)的方面；而應(yīng)用RBF網(wǎng)絡(luò)模型對(duì)部分非黨員學(xué)生和黨員學(xué)生進(jìn)行模型測(cè)定的嘗試后，證明該模型確實(shí)有助于科學(xué)地改進(jìn)和優(yōu)化發(fā)展大學(xué)生新黨員的機(jī)制，并能提高所發(fā)展的新黨員的質(zhì)量。

大學(xué)生新黨員 科學(xué)量化標(biāo)準(zhǔn) RBF神經(jīng)網(wǎng)絡(luò)

傳統(tǒng)的高校學(xué)生黨員發(fā)展的工作模式，一般是由黨員輔導(dǎo)員或黨員老師在其所在班里申請(qǐng)入黨的學(xué)生中發(fā)現(xiàn)苗子，然后提交到黨支部列為發(fā)展對(duì)象，進(jìn)而分別確定黨員介紹人，并對(duì)其進(jìn)行一段時(shí)間的聯(lián)系、談心、教育幫助和考察，對(duì)其表現(xiàn)做出評(píng)價(jià)，提交到黨支部進(jìn)行討論，然后確定是否作為黨員發(fā)展對(duì)象。介紹人個(gè)人的評(píng)價(jià)在其過程中起著主要作用。然而在當(dāng)今高等教育逐步走向“普及化”的時(shí)代，面對(duì)眾多要求入黨的積極分子和高要求的發(fā)展任務(wù)，只依靠個(gè)別黨員去發(fā)現(xiàn)、培養(yǎng)、考察和評(píng)價(jià)，顯然已不太適應(yīng)科學(xué)和高質(zhì)量發(fā)展新黨員的要求；而且，以個(gè)體單一黨員的評(píng)價(jià)來確定被考察對(duì)象是否符合黨員發(fā)展要求，再確定發(fā)展與否，主觀思維成分比較多，難以做到全面、科學(xué)、客觀與準(zhǔn)確，難以保證黨員發(fā)展的高質(zhì)量。

徑向基函數(shù)網(wǎng)絡(luò) （Radial Basis Function Networks，RBF網(wǎng)絡(luò)）可以較好地彌補(bǔ)上述缺點(diǎn)，同時(shí)能在發(fā)展大學(xué)生新黨員上有所創(chuàng)新。RBF網(wǎng)絡(luò)能夠準(zhǔn)確地建立起輸入與輸出數(shù)據(jù)之間內(nèi)在的關(guān)系模型，從而可以很好地把一些非線性問題進(jìn)行準(zhǔn)確分類。大學(xué)生新黨員的發(fā)展，以黨章規(guī)定的共產(chǎn)黨黨員的標(biāo)準(zhǔn)，作為一個(gè)大學(xué)生是否可作為發(fā)展對(duì)象的評(píng)價(jià)依據(jù)，以此標(biāo)準(zhǔn)來區(qū)分申請(qǐng)入黨的大學(xué)生，一般可以分為以下兩大類：一類是可及時(shí)發(fā)展的對(duì)象；另一類是還需繼續(xù)考驗(yàn)的對(duì)象。這是一個(gè)典型的非線性分類問題，我們通過對(duì)申請(qǐng)入黨的對(duì)象進(jìn)行調(diào)查評(píng)分，評(píng)分結(jié)果作為RBF網(wǎng)絡(luò)的輸入數(shù)據(jù)，根據(jù)RBF網(wǎng)絡(luò)模型得到輸出結(jié)果，以此結(jié)果來評(píng)判申請(qǐng)入黨的大學(xué)生，是否可及時(shí)發(fā)展的對(duì)象。應(yīng)用RBF網(wǎng)絡(luò)，可以更加科學(xué)和客觀地評(píng)價(jià)申請(qǐng)入黨的對(duì)象，有效地減少人為主觀因素的干擾，更好地達(dá)到公平、公正、全面、準(zhǔn)確的黨員發(fā)展要求。

一、RBF網(wǎng)絡(luò)

RBF網(wǎng)絡(luò)是一種前饋神經(jīng)網(wǎng)絡(luò)，具有很強(qiáng)的非線性映射功能，近年來受到許多研究者的密切關(guān)注，并成功廣泛地應(yīng)用于信息、機(jī)械、化工、管理等領(lǐng)域。RBF網(wǎng)絡(luò)的結(jié)構(gòu)比較簡單，由輸入層、隱含層和輸出層組成，若網(wǎng)絡(luò)分別有n個(gè)輸入單元、p個(gè)隱單元，m個(gè)輸出單元，則其拓?fù)浣Y(jié)構(gòu)如圖1所示。

圖1 RBF網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)

RBF網(wǎng)絡(luò)隱單元的活化函數(shù)就是徑向基函數(shù)，即徑向衰竭函數(shù)，它有多種形式，其選取對(duì)網(wǎng)絡(luò)性能影響不大，本文選用高斯徑向基函數(shù)，此時(shí)各隱單元的輸出為：

式中i=1，2，…，p；xj為樣本輸入向量在j維上的值；c（i）j為

式中wij為第i個(gè)隱單元到第j個(gè)輸出單元的連接權(quán)值。

對(duì)于樣本的所有輸入，網(wǎng)絡(luò)的全部輸出可以用式（3）的矩陣形式表示。

RBF網(wǎng)絡(luò)的擬合和預(yù)測(cè)性能取決于本身的結(jié)構(gòu)和參數(shù)。輸入層的單元數(shù)n由訓(xùn)練樣本輸入向量（自變量）的維數(shù)決定，輸出層的單元數(shù)m由訓(xùn)練樣本輸出向量 （因變量）的維數(shù)決定；而隱單元數(shù)p、各隱單元中心向量c（i）和寬度參數(shù)σ（i）則是需要選擇的。c（i）的選擇可通過聚類分析來確定，但又涉及類的數(shù)量及閥值的選擇，過程比較復(fù)雜；也可運(yùn)用遺傳算法同時(shí)優(yōu)化c（i）、p、σ（i）等參數(shù)，但優(yōu)化過程復(fù)雜、計(jì)算量大。

我們將神經(jīng)網(wǎng)絡(luò)與主成分回歸（Principal Component Regression，PCR）相組合，解決RBF網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)的確定問題。具體步驟為：

①將隱含層單元數(shù)p設(shè)為訓(xùn)練樣本數(shù)l，每個(gè)隱含層第i個(gè)隱單元中心向量在j維上的值；σ（i）為第i個(gè)隱單元徑向基函數(shù)的寬度參數(shù)。

RBF網(wǎng)絡(luò)第j個(gè)輸出單元的輸出值為：單元的中心向量c（i）取相應(yīng)樣本的輸入向量；

②根據(jù)RBF網(wǎng)絡(luò)模型的擬合和預(yù)測(cè)性能，采用嘗試的方法選取σ（i）值；

③p、c（i）和σ（i）選定后，根據(jù)式（1）計(jì)算zi，構(gòu)成活化矩陣Z；

④由訓(xùn)練樣本的實(shí)測(cè)輸出向量構(gòu)成輸出向量矩陣Y；

⑤運(yùn)用主成分回歸方法求解式（4），得到權(quán)系數(shù)矩陣W。

這樣網(wǎng)絡(luò)模型的結(jié)構(gòu)和參數(shù)已確定，運(yùn)用該模型即可對(duì)預(yù)測(cè)樣本的因變量進(jìn)行計(jì)算。

主成分回歸是從多元自變量數(shù)據(jù)矩陣中，在滿足正交約束的條件下，提取主要數(shù)據(jù)信息，并舍去一些方差非常小的主成分，達(dá)到降維和消除復(fù)共線性的目的，提高回歸模型的穩(wěn)健性。因此，我們采用的RBF網(wǎng)絡(luò)與主成分回歸相結(jié)合的建模方法，所建立的模型將具有良好的擬合和預(yù)測(cè)性能。

二、輸入和輸出數(shù)據(jù)的量化處理

1.輸入數(shù)據(jù)量化處理的標(biāo)準(zhǔn)和方法

輸入數(shù)據(jù)選擇以下一些指標(biāo)，并對(duì)每個(gè)指標(biāo)向量進(jìn)行量化處理，各輸入向量采用評(píng)分制，具體如下。

（1）思想政治方面

滿分100分，主要從以下4個(gè)方面進(jìn)行評(píng)分。

評(píng)分方法：基礎(chǔ)分80分，每項(xiàng)有突出表現(xiàn)者按子指標(biāo)加5分，有嚴(yán)重違反者按子指標(biāo)扣5分，無加、扣分的按基礎(chǔ)分評(píng)分。

（2）道德作風(fēng)方面

滿分100分，也從以下4個(gè)方面進(jìn)行評(píng)分。

①模范遵守國家法律及學(xué)校規(guī)章制度，無違紀(jì)行為。②團(tuán)結(jié)同學(xué)、尊敬師長、誠實(shí)守信，樂于幫助他人，待人寬容誠懇。③嚴(yán)于律己，勇于開展批評(píng)和自我批評(píng)，敢于和不良現(xiàn)象作斗爭。④生活樸實(shí)，作風(fēng)正派，無不良嗜好，行為舉止大方。

評(píng)分方法：基礎(chǔ)分80分，每項(xiàng)有突出表現(xiàn)者按子指標(biāo)加5分，有嚴(yán)重違反者按子指標(biāo)扣5分，無加、扣分的也按基礎(chǔ)分評(píng)分。

（3）專業(yè)學(xué)習(xí)方面

滿分100分，基礎(chǔ)分60分，實(shí)行加、扣分制，主要從以下4個(gè)方面進(jìn)行評(píng)分。

①上學(xué)年獲校一等獎(jiǎng)學(xué)金者加30分，獲校二等獎(jiǎng)學(xué)金者加25分，獲校三等獎(jiǎng)學(xué)金者加20分。②學(xué)習(xí)態(tài)度端正，目標(biāo)明確，未獲得獎(jiǎng)學(xué)金，但學(xué)習(xí)成績班級(jí)排名前50%加10分。③非前2項(xiàng)已獲加分者，但上學(xué)年無不及格課程者，加5分。④上學(xué)年課程有不及格者，每門扣10分。

（4）工作能力方面

四小姐站在石西岳側(cè)面，先是漠然，既而似笑非笑說：“既然你又多了一名嫌疑犯，我就不帶走他了。石處長，好好斷一斷眼前這樁風(fēng)流案吧。”

滿分100分，基礎(chǔ)分60分，主要從以下4個(gè)方面進(jìn)行評(píng)分。

①組織協(xié)調(diào)能力強(qiáng)，工作出色的班長和團(tuán)支書及以上的學(xué)生干部加20—40分。②責(zé)任心強(qiáng)，熱心為同學(xué)服務(wù)的班委和團(tuán)委委員可以加10—20分。③工作踏實(shí)的課代表或小組長加10分。④同學(xué)有負(fù)面意見的小組長、課代表及以上的班級(jí)干部，視情況酌情扣分，直到扣完為止。

（5）模范作用方面

滿分100分，基礎(chǔ)分60分，主要從以下幾個(gè)方面進(jìn)行評(píng)分。

①學(xué)習(xí)、工作能力強(qiáng)，個(gè)人自身素質(zhì)較高，能營造良好風(fēng)氣的三好學(xué)生可以加30—40分。②嚴(yán)格要求自己，以身作則，注意自己的一言一行的各項(xiàng)積極分子可以加20—30分。③與同學(xué)相處融洽和諧，有較好的群眾基礎(chǔ)，向黨組織靠攏的積極分子可以加10—20分。④得到同班師生的肯定，在同學(xué)中有較好信譽(yù)的申請(qǐng)入黨的普通同學(xué)可以加5—10分。

2.輸出數(shù)據(jù)量化處理的標(biāo)準(zhǔn)和方法

訓(xùn)練樣本中，因變量（輸出數(shù)據(jù)）的取值采用“0—1”制：學(xué)生黨員的因變量值取1，非學(xué)生黨員的因變量值取0。

模型預(yù)測(cè)時(shí)，輸出值（因變量值）小于0.5，取整為0，表示暫不列為發(fā)展對(duì)象，需要繼續(xù)考察；輸出值（因變量值）大于或等于0.5，取整為1，表示基本符合黨員的標(biāo)準(zhǔn)，可列為發(fā)展對(duì)象。

三、RBF網(wǎng)絡(luò)的建模及應(yīng)用

1.樣本數(shù)據(jù)的獲取

以衢州學(xué)院機(jī)電工程學(xué)院2009級(jí)機(jī)電一體化專業(yè)的82名學(xué)生為研究對(duì)象，抽選10名學(xué)生對(duì)所有的82名學(xué)生進(jìn)行評(píng)分，評(píng)分根據(jù)本文第二節(jié)的輸入數(shù)據(jù)量化處理標(biāo)準(zhǔn)和方法進(jìn)行，每位學(xué)生共有10份評(píng)分，將其平均作為樣本數(shù)據(jù)的輸入數(shù)據(jù)，數(shù)據(jù)容量為82。樣本的輸出數(shù)據(jù)根據(jù)本文第二節(jié)的輸出數(shù)據(jù)量化處理標(biāo)準(zhǔn)和方法進(jìn)行，數(shù)據(jù)容量也為82。樣本的輸入數(shù)據(jù)與輸出數(shù)據(jù)之間一一對(duì)應(yīng)。

將樣本數(shù)據(jù)集分成兩組：一組為訓(xùn)練樣本，用于RBF網(wǎng)絡(luò)模型的建立，數(shù)據(jù)容量為76；另一組為檢測(cè)樣本，用于RBF網(wǎng)絡(luò)模型的檢驗(yàn)，數(shù)據(jù)容量為6。

2.RBF網(wǎng)絡(luò)的建模

基于訓(xùn)練樣本，運(yùn)用RBF網(wǎng)絡(luò)，結(jié)合PCR方法，建立新黨員發(fā)展機(jī)制的評(píng)價(jià)模型。RBF網(wǎng)絡(luò)的輸入層有5個(gè)單元（樣本輸入向量的維數(shù)為5維），分別代表思想政治、道德作風(fēng)、專業(yè)學(xué)習(xí)、工作能力、模范作用；隱含層有76個(gè)單元，對(duì)應(yīng)76個(gè)訓(xùn)練樣本；輸出層為1個(gè)單元（輸出向量的維數(shù)為1維）。建模過程根據(jù)第一節(jié)的神經(jīng)網(wǎng)絡(luò)與主成分回歸相結(jié)合的具體步驟進(jìn)行，不再贅述。

3.評(píng)價(jià)模型的檢驗(yàn)及結(jié)果

為了測(cè)試模型的適用性，運(yùn)用檢測(cè)樣本對(duì)RBF網(wǎng)絡(luò)評(píng)價(jià)模型進(jìn)行檢驗(yàn)。實(shí)施步驟如下。

①每個(gè)檢測(cè)樣本對(duì)應(yīng)1個(gè)輸入矢量。

②根據(jù)（1）式計(jì)算各隱單元對(duì)檢測(cè)樣本的輸出Zt=（z1，z2，…，zp）T。

評(píng)價(jià)模型的檢驗(yàn)結(jié)果如表1所示。

表1 RBF網(wǎng)絡(luò)評(píng)價(jià)模型檢測(cè)數(shù)據(jù)及結(jié)果

表1中期望輸出為“1”的學(xué)生（現(xiàn)實(shí)為黨員）可以作為黨員發(fā)展對(duì)象，期望輸出為“0”的學(xué)生尚未達(dá)到發(fā)展要求。由表1可見，模型輸出的結(jié)果與期望輸出基本吻合。模型的檢測(cè)結(jié)果表明，該神經(jīng)網(wǎng)絡(luò)模型可以準(zhǔn)確地作為黨員發(fā)展機(jī)制的評(píng)價(jià)系統(tǒng)。

四、結(jié)語

采用RBF神經(jīng)網(wǎng)絡(luò)模型，對(duì)高校大學(xué)生黨員發(fā)展機(jī)制進(jìn)行優(yōu)化，具有以下幾個(gè)優(yōu)點(diǎn)。

1.RBF網(wǎng)絡(luò)具有容錯(cuò)能力，即使個(gè)別指標(biāo)分值不符合實(shí)際，如某項(xiàng)指標(biāo)因主觀原因評(píng)分過高，也不影響其輸出結(jié)果，可以有效避免因“關(guān)系戶”而發(fā)展成黨員。

2.該模型操作性強(qiáng)，通過大量樣本調(diào)查，運(yùn)用RBF網(wǎng)絡(luò)建立評(píng)價(jià)模型后，即可用來對(duì)學(xué)生黨員發(fā)展對(duì)象進(jìn)行評(píng)價(jià)，可減少主觀評(píng)定，具有公平、公正的特點(diǎn)。

3.該模型是以大量學(xué)生黨員情況的量化數(shù)據(jù)作為評(píng)價(jià)依據(jù)，所以通過該模型計(jì)算出來的可發(fā)展對(duì)象個(gè)體，已較為準(zhǔn)確地接近了學(xué)生黨員標(biāo)準(zhǔn)，可以保證新發(fā)展黨員的質(zhì)量，從而使我們的黨更具有凝聚力。

4.高校的學(xué)生群體具有時(shí)代特點(diǎn)，而各屆學(xué)生的整體素質(zhì)是有波動(dòng)的，因此對(duì)學(xué)生黨員的要求也應(yīng)隨之有些變化。但該模型是以在校的學(xué)生黨員作為評(píng)價(jià)依據(jù)，因此學(xué)生群體的流動(dòng)性，對(duì)學(xué)生黨員發(fā)展對(duì)象的選擇不會(huì)有所影響。

基于以上各點(diǎn)，目前衢州學(xué)院正在全院范圍內(nèi)，在發(fā)展學(xué)生新黨員時(shí)推廣應(yīng)用RBF神經(jīng)網(wǎng)絡(luò)模型，并已初見成效。

［1］練崇潮.怎樣把好學(xué)生黨員質(zhì)量關(guān)［J］.學(xué)校黨建與思想教育，2010，（03）.

［2］趙潔.高校學(xué)生黨員發(fā)展教育中存在的問題與對(duì)策［J］.商業(yè)文化（學(xué)術(shù)版），2010，（09）.

［3］沈建紅.組織凝聚力的三維形態(tài)與高校黨建的著力點(diǎn)［J］.浙江學(xué)刊，2008，（03）.

［4］左惟.創(chuàng)新精神與高校學(xué)生黨建［J］.東南大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2008，（06）.

［5］Hummels D M，Ahemed W，Musavi M T.Adaptive detection of small sinusodial signals in non-gaussian noise using an RBF neural network.IEEE Trans on Neural Networks，1995，6（1）.

［6］韓力群.人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用［M］.北京：化學(xué)工業(yè)出版社，2007.

［7］胡穗華，徐輝.基于徑向基神經(jīng)網(wǎng)絡(luò)模型的企業(yè)高管勝任力評(píng)價(jià).系統(tǒng)工程，2010，（05）.

［8］陳德釗.多元數(shù)據(jù)處理.北京：化學(xué)工業(yè)出版社，1998.