运用概化理论和BP网络进行创造力研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (30): 8-11.

运用概化理论和BP网络进行创造力研究

余嘉元

南京师范大学心理学系，南京 210097

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-21 发布日期:2011-10-21

Application of generalizability theory and BP network on creativity research

YU Jiayuan

Department of Psychology，Nanjing Normal University，Nanjing 210097，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-21 Published:2011-10-21

摘要/Abstract

摘要： 心理学的数据往往是通过主观评判得到的，和物理学的数据相比有较大的误差。以创造力测量为例，运用概化理论对心理测量数据的质量进行了描述。采用BP-Adaboost RT方法对心理测量数据进行建模，并且和多元线性回归、单个BP网络的建模进行了比较，结果表明，概化理论可以用来分析心理测量数据，数据的质量会影响到模型的预测精度。

关键词: 数据质量, 概化理论, Adaboost, BP神经网络, 创造力测量

Abstract: Psychological data is often obtained from subjective assessment，it has larger error compared with physical data.Creativity measurement data is applied in this study.Generalizability theory is used to describe the quality of psychological data.The model of psychological data is set up by BP-Adaboost RT method，and compared with the multi-variable linear regression model and single BP network model.The results show that generalizability theory can be used to analyze psychological data，and the data quality will affect the predictive accuracy of the model.

Key words: data quality, generalizability theory, Adaboost, BP neural networks, creativity measurement

余嘉元. 运用概化理论和BP网络进行创造力研究 [J]. 计算机工程与应用, 2011, 47(30): 8-11.

YU Jiayuan. Application of generalizability theory and BP network on creativity research[J]. Computer Engineering and Applications, 2011, 47(30): 8-11.

[1]	郑建锋，王应明. 基于DEA-BP神经网络的效率置信区间预测模型研究[J]. 计算机工程与应用, 2021, 57(3): 273-278.
[2]	黄晶晶，王建宏. 分数阶非因果BP神经网络模型[J]. 计算机工程与应用, 2021, 57(23): 91-97.
[3]	曹林根，宓超. 集装箱箱号字符识别算法研究[J]. 计算机工程与应用, 2021, 57(15): 178-185.
[4]	楚彭子，虞翊，林辉，袁建军，姜西. ATO系统速度控制的BP-FIPID算法[J]. 计算机工程与应用, 2020, 56(22): 224-229.
[5]	弓剑锋1，韩建栋1，邓一凡2. 基于运动特征及位置估计的行人检测算法[J]. 计算机工程与应用, 2019, 55(7): 138-144.
[6]	冯玉芳1，2，卢厚清1，殷宏1，曹林1. 基于BP神经网络的故障诊断模型研究[J]. 计算机工程与应用, 2019, 55(6): 24-30.
[7]	邓烜堃1，2，万良1，2，黄娜娜1，2. 基于DAE-BP神经网络的股票预测研究[J]. 计算机工程与应用, 2019, 55(3): 126-132.
[8]	王勇，杨锦，王瑛. 改进Henon超混沌系统与AES结合的图像加密算法[J]. 计算机工程与应用, 2019, 55(22): 180-186.
[9]	张凯兵，王珍，闫亚娣，朱丹妮. 优化的AdaBoost回归图像超分辨方法[J]. 计算机工程与应用, 2019, 55(20): 159-163.
[10]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[11]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[12]	李婷，张景祥. 集中趋势自适应增强的英语作文评分算法[J]. 计算机工程与应用, 2018, 54(9): 151-155.
[13]	曹万鹏，罗云彬，史辉. 抗外点干扰的鲁棒AdaBoost分类器构建方法[J]. 计算机工程与应用, 2018, 54(7): 132-137.
[14]	翟夕阳，王晓丹，李睿，贾琪. 基于信息熵的RVM-AdaBoost组合分类器[J]. 计算机工程与应用, 2018, 54(5): 138-143.
[15]	卞京红1，贺兴时1，范钦伟1，伊宝民2. 基于自适应花授粉算法的BP神经网络结构优化[J]. 计算机工程与应用, 2018, 54(3): 50-56.