[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的院校投檔線預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201710273724.7
• 申請日: 2017-04-25
• 公開（公告）號: CN107169593A
• 公開（公告）日: 2017-09-15
• 發(fā)明（設(shè)計）人: 周從華
• 申請（專利權(quán)）人: 江蘇樹正信息科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/20
• 代理公司: 江蘇縱聯(lián)律師事務(wù)所32253
• 代理人: 蔡棟

1.一種基于神經(jīng)網(wǎng)絡(luò)的院校投檔線預(yù)測方法，其特征在于包括以下步驟：

步驟一，對采集到的數(shù)據(jù)進(jìn)行缺失值和離群點處理；

步驟二，對經(jīng)過處理的數(shù)據(jù)進(jìn)行歸一化；

步驟三，對數(shù)據(jù)集進(jìn)行分類；

步驟四，對分類好的數(shù)據(jù)集分別建立神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測。

2.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的院校投檔線預(yù)測方法，其特征在于所述缺失值和離群點處理包含以下四個規(guī)則：

規(guī)則1.1，將院校兩線差缺失值設(shè)置成其余各年的兩線差均值；

規(guī)則1.2，將院校的兩線差離群點設(shè)置成其余各年兩線差的均值；

規(guī)則1.3，將院校投檔線缺失值設(shè)置成該年兩線差與該年省控線之和。

3.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的院校投檔線預(yù)測方法，其特征在于所述歸一化包含以下兩個規(guī)則：

規(guī)則2.1，對各年兩線差歸一化采用極差法，所取的最小值和最大值是各年兩線差最小值及最大值；

規(guī)則2.2，對各年位次歸一化采用極差法，所取的最小值和最大值是各年位次最小值及最大值。

4.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的院校投檔線預(yù)測方法，其特征在于所述對數(shù)據(jù)集進(jìn)行分類包含以下三個規(guī)則：

規(guī)則3.1，篩選出近4年兩線差均為0的院校為訓(xùn)練集1；

規(guī)則3.2，篩選出近4年兩線差均小于5分，且兩線差均不為0的院校，為訓(xùn)練集2；

規(guī)則3.3，計算其余院校4年位次偏差，偏差在0～0.45的院校為訓(xùn)練集3，偏差在0.45～1的院校為訓(xùn)練集4，偏差大于1的院校為訓(xùn)練集5，所述偏差為每年位次減去四年位次均值的絕對值之和比上位次均值的絕對值。

5.根據(jù)權(quán)利要求1-4所述的一種基于神經(jīng)網(wǎng)絡(luò)的院校投檔線預(yù)測方法，其特征在于所述建立神經(jīng)網(wǎng)絡(luò)模型包含以下規(guī)則:

規(guī)則4.1，對訓(xùn)練集1中的院校默認(rèn)這些院校下一年的兩線差為0分；

規(guī)則4.2，對訓(xùn)練集2中的院校利用前四年的兩線差歷史數(shù)據(jù)，采用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模，其中第四年的數(shù)據(jù)作為輸出其余均為輸入。

規(guī)則4.3，對訓(xùn)練集3～5分別利用前四年的位次歷史數(shù)據(jù)采用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模，其中第四年的數(shù)據(jù)作為輸出其余均為輸入。

6.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的院校投檔線預(yù)測方法，其特征在于所述神經(jīng)網(wǎng)絡(luò)模型為雙層隱藏層，第一層隱藏層的神經(jīng)元不低于20個神經(jīng)元，第二層隱藏層不低于15個神經(jīng)元。