【摘要】：图7-2 支持向量机示意图张永波等人尝试用SVM方法评价项目经理的胜任能力。在此基础上提出了一种基于支持向量机的胜任力评价模型，该模型具有自学习、自适应的能力，可以有效解决评价指标间非线性关联的问题。
支持向量机（）_专业技术人员评价体系研究与探索
支持向量机是由Vapnik领导的AT＆T Bell实验室研究小组在1995年提出的一种新的非常有潜力的分类技术，SVM是一种基于统计学习理论的模式识别方法，主要应用于模式识别领域[16]（图7-2）。
图7-2 支持向量机示意图
张永波等人尝试用SVM方法评价项目经理的胜任能力。在文献分析和专家研讨的基础上，结合中国国情，构建了工程项目经理胜任力的评价指标体系，将其胜任力分为四个维度：管理技能维、认知维、情商维和人格魅力维。在此基础上提出了一种基于支持向量机的胜任力评价模型，该模型具有自学习、自适应的能力，可以有效解决评价指标间非线性关联的问题。算例表明该评价模型具有可靠性和有效性。
与其他评价方法相比，基于支持向量机的工程项目经理胜任力评价模型具有以下优点：
（1）该方法在最大程度上减少了人为因素的影响，避免了传统的评价方法中人为确定指标权重的问题；
（2）SVM可以有效处理评价指标间的非线性关联关系，使数据处理更贴近现实情况；
（3）SVM方法对样本数量的依赖性较弱，通过学习有限的样本而建立的模型仍具有很强的泛化能力；
（4）针对具体的项目情境与项目特点，项目经理的胜任力指标可能会有所差异，这就需要评价模型具有较强的自学习、自适应能力，而基于SVM的评价方法在这方面很有优势，可以根据评价的需要随时对模型进行重新调整和训练，而且整个评价过程非常容易实现编程并在计算机上进行分析，因而具有很高的合理性与适用性。
但需要注意的是，学习样本的数量和质量在很大程度上影响着SVM模型的学习性能和模型精准度。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
