[發(fā)明專利]基于大數(shù)據(jù)的學(xué)習(xí)預(yù)警方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910361563.6
• 申請(qǐng)日: 2019-04-30
• 公開(kāi)（公告）號(hào): CN110189236A
• 公開(kāi)（公告）日: 2019-08-30
• 發(fā)明（設(shè)計(jì)）人: 胡挺;宋汀;夏冰;任盈盈
• 申請(qǐng)（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號(hào): G06Q50/20
• 分類號(hào): G06Q50/20;G06Q10/04;G06K9/62
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 賀翔

本發(fā)明公開(kāi)了一種基于大數(shù)據(jù)的學(xué)習(xí)預(yù)警方法，所述預(yù)警方法包括以下步驟：步驟一，以學(xué)校或某一學(xué)院為對(duì)象，采集該對(duì)象中全部學(xué)生全部學(xué)科的現(xiàn)有的績(jī)點(diǎn)成績(jī)；步驟二，通過(guò)聚類分析得到初步的相關(guān)性課程，之后通過(guò)近鄰算法結(jié)合核支持向量機(jī)分類器在聚類得到的粗糙集合中挖掘課程間更深層次的聯(lián)系；步驟三，基于多元線性回歸方法得出各必修課預(yù)測(cè)模型，根據(jù)現(xiàn)有學(xué)期的相關(guān)課程成績(jī)，在學(xué)期初預(yù)測(cè)各門重要必修課的成績(jī)。該方法有效預(yù)測(cè)學(xué)生成績(jī)并及時(shí)進(jìn)行干預(yù)，可以為學(xué)生學(xué)習(xí)思想動(dòng)態(tài)的引導(dǎo)和教學(xué)質(zhì)量提升提供重要的依據(jù)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于大數(shù)據(jù)的學(xué)習(xí)預(yù)警系統(tǒng),是屬于生物特征識(shí)別技術(shù)領(lǐng)域。

背景技術(shù)

現(xiàn)有的學(xué)業(yè)預(yù)警通常是在教學(xué)過(guò)程結(jié)束之后進(jìn)行的，對(duì)于教學(xué)過(guò)程中的預(yù)警是個(gè)空白，缺乏時(shí)效性。目前國(guó)內(nèi)高校的預(yù)警只是針對(duì)學(xué)生成績(jī)做出預(yù)警，忽略了與學(xué)生成績(jī)密切相關(guān)的學(xué)生平時(shí)上課出勤情況、作業(yè)情況、學(xué)習(xí)態(tài)度等。大學(xué)學(xué)習(xí)中，有一些專業(yè)課程需要相關(guān)基礎(chǔ)課程作為知識(shí)儲(chǔ)備。專業(yè)課程的任課教師不了解學(xué)生對(duì)基礎(chǔ)課程的掌握程度，在教學(xué)過(guò)程中主要依靠往年教學(xué)經(jīng)驗(yàn)，而無(wú)法對(duì)目前的學(xué)生進(jìn)行有針對(duì)性的授課。

通過(guò)分析往屆學(xué)生每學(xué)期的學(xué)習(xí)數(shù)據(jù)(如：高考分?jǐn)?shù)，基礎(chǔ)課程成績(jī)，課程出勤率，自習(xí)時(shí)間等)，得出相關(guān)課程之間的聯(lián)系，計(jì)算出特定因素對(duì)某一課程成績(jī)的影響百分比。根據(jù)以上結(jié)論預(yù)測(cè)下一屆學(xué)生在該課程上的掛科率。將預(yù)測(cè)結(jié)果反饋在任課教師的學(xué)生名單上，教師可以根據(jù)學(xué)生的預(yù)測(cè)掛科率調(diào)整教學(xué)方案，側(cè)重關(guān)注預(yù)測(cè)掛科率高的學(xué)生，從而提高學(xué)生在該課程上的通過(guò)率。

發(fā)明內(nèi)容

本發(fā)明就是針對(duì)上述的問(wèn)題，將觀察學(xué)生們整體學(xué)習(xí)情況的分布態(tài)勢(shì)。避免因人為經(jīng)驗(yàn)導(dǎo)致在評(píng)估過(guò)程中只關(guān)注某些課程的績(jī)點(diǎn)，為促進(jìn)學(xué)生全面發(fā)展，因材施教，正確評(píng)估學(xué)生的學(xué)習(xí)能力與能力方向，提供了一種有效的參考方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：基于大數(shù)據(jù)的學(xué)習(xí)預(yù)警方法，所述預(yù)警方法包括以下步驟：

步驟一，以學(xué)校或某一學(xué)院為對(duì)象，采集該對(duì)象中全部學(xué)生全部學(xué)科的現(xiàn)有的績(jī)點(diǎn)成績(jī)；

步驟二，通過(guò)聚類分析得到初步的相關(guān)性課程，之后通過(guò)近鄰算法結(jié)合核支持向量機(jī)分類器在聚類得到的粗糙集合中挖掘課程間更深層次的聯(lián)系；

步驟三，基于多元線性回歸方法得出各必修課預(yù)測(cè)模型，根據(jù)現(xiàn)有學(xué)期的相關(guān)課程成績(jī)，在學(xué)期初預(yù)測(cè)各門重要必修課的成績(jī)。

進(jìn)一步的，所述步驟二中，首先，通過(guò)高斯核的譜聚類算法將課程進(jìn)行聚類，將全部課程間的關(guān)系采用點(diǎn)與點(diǎn)之間的距離來(lái)描述：

通過(guò)計(jì)算所有點(diǎn)之間的歐氏距離w_ij＝||x_i-x_j||₂來(lái)構(gòu)造一個(gè)距離矩陣W，之后通過(guò)高斯核函數(shù)來(lái)構(gòu)造相似矩陣S，其中s_ij＝k_ij，接下來(lái)，譜聚類算法在構(gòu)造度矩陣D，在非對(duì)角線上的元素設(shè)為0，再構(gòu)造拉普拉斯矩陣L＝D-W，將拉普拉斯矩陣標(biāo)準(zhǔn)化后對(duì)它求前k個(gè)最小的特征d的矩陣，再對(duì)該矩陣進(jìn)行k均值聚類得到簇劃分結(jié)果C＝{C₁,C₂,...,C_k}x_i是第i個(gè)樣本,特征列向量，k_ij是高斯核函數(shù)，s_ij是矩陣?yán)锏臄?shù)列；；

其次，定義如下的高斯混合分布模型為概率密度函數(shù)：

該分布共由k個(gè)混合成分構(gòu)成，每個(gè)混合成分對(duì)應(yīng)一個(gè)高斯分布，其中μ_i與是第i個(gè)高斯混合成分的參數(shù)，而α_i＞0為相應(yīng)的混合系數(shù)，P_M(x)是高斯混合分布；

通過(guò)已有的學(xué)生成績(jī)樣本點(diǎn)的采樣，估計(jì)出該學(xué)生的學(xué)習(xí)能力所對(duì)應(yīng)的概率密度函數(shù)；