[發明專利]一種發現大學生日常生活習慣的神經網絡結構與方法

有效

• 申請號: 202010798992.2
• 申請日: 2020-08-11
• 公開（公告）號: CN111950708B
• 公開（公告）日: 2023-10-03
• 發明（設計）人: 周東波;喻宏偉;余雅瀅;王小梅;涂悅
• 申請（專利權）人: 華中師范大學
• 主分類號: G06N3/0464
• 分類號: G06N3/0464;G06N3/042;G06N3/045;G06N3/08;G06F18/23213;G06F18/24;G06F16/215;G06F16/2458;G06Q50/20
• 代理公司: 北京東方盛凡知識產權代理有限公司 11562
• 代理人: 張換君

1.一種發現大學生日常生活習慣的神經網絡結構，其特征在于，包括依次相連的數據獲取模塊、數據預處理模塊、校園生活數據分類模塊、習慣數據發現模塊以及習慣數據描述模塊；

所述數據獲取模塊，用于獲取大學生日常生活數據，并存入數據庫；

所述數據預處理模塊，用于對大學生日常生活數據進行過濾、清洗和離散化數據預處理；

所述校園生活數據分類模塊，用于構建基于特征的行為分類，獲取日常生活數據分類結果；

所述習慣數據發現模塊，用于對日常生活數據分類結果得到的同類數據進行關聯分析，并根據鄰域聚合特征信息得到習慣描述的數據輸出結果；

所述習慣數據描述模塊，用于根據習慣描述的數據輸出結果，利用習慣基于外顯行為的集合化表達與形式化描述，得到大學生日常生活習慣的具體準確描述。

2.根據權利要求1所述的發現大學生日常生活習慣的神經網絡結構，其特征在于，所述數據預處理模塊包括依次相連的數據選取模塊、數據清洗模塊及數據劃分模塊；

所述數據選取模塊，用于選取智慧校園采集的數據庫中與學生日常生活習慣相關聯的數據；

所述數據清洗模塊，用于對數據庫中的數據進行過濾、清洗和離散化，以消除不完整、存在缺失或重復的數據，并進行數據集成；

所述數據劃分模塊，用于將集成的數據劃分成訓練集、驗證集和測試集。

3.根據權利要求1所述的發現大學生日常生活習慣的神經網絡結構，其特征在于，所述校園生活數據分類模塊包括依次連接的數據圖結構化模塊、圖節點狀態更新模塊以及圖結構數據分類模塊；

所述數據圖結構化模塊，用于將學生生活習慣數據描述成屬性圖，并建立節點表示校園時空序列中的行為活動，建立邊表示節點之間的關系；

所述圖節點狀態更新模塊，用于更新節點數據，并通過消息函數和更新函數進行消息傳播機制迭代的方法計算節點表示向量，形成圖數據結構形式化表達；

所述圖結構數據分類模塊，用于獲取數據的廣泛分類結果，并利用監督分類的方法，建立對學生行為習慣外顯活動的時空圖卷積網絡分類，實現圖結構數據的分類。

4.根據權利要求1所述的發現大學生日常生活習慣的神經網絡結構，其特征在于，所述習慣數據發現模塊包括依次連接的領域特征聚合模塊及習慣發現模塊；

所述鄰域特征聚合模塊，用于對分類的學生日常行為建立鄰域特征關系的聚合過程，并利用空間化圖卷積網絡分類模型，得到行為習慣分類結果；

所述習慣發現模塊，用于對學生數據進行分析和形式化表達習慣特性，獲得完整、系統的習慣數據。

5.根據權利要求1所述的發現大學生日常生活習慣的神經網絡結構，其特征在于，所述習慣數據描述模塊包括依次連接的習慣定義模塊和數據描述模塊

所述習慣定義模塊，用于構建習慣進行外顯行為要素化和形式化表達結構；

所述數據描述模塊，用于對大學生日常生活習慣的網絡結構模型輸出數據進行描述，將輸出數據結合習慣的表達與定義，獲得習慣的準確描述。

6.一種發現大學生日常生活習慣的神經網絡方法，其特征在于，包括以下步驟：

S1獲取大學生日常生活數據并對其進行分類整理，并存入數據庫，得到大學生日常生活原始數據集；

S2對所述原始數據集進行數據預處理工作，并分為訓練集、驗證集和測試集，得到預處理后的數據集；

S3構建時空圖卷積自動分類網絡，并對所述預處理后的數據集進行分類，獲得外顯行為數據分類結果；

S4建立空間化圖卷積網絡分類模型，并將所述外顯行為數據分類結果輸入到所述空間化圖卷積網絡分類模型對所述外顯行為數據分類進行優化，得到優化后的外顯行為數據分類，根據基于注意力機制的圖卷積神經網絡結構對所述優化后的外顯行為數據進行分析，得到習慣描述的數據輸出結果；

S5根據所述習慣描述的數據輸出結果，利用習慣基于外顯行為的集合化表達與形式化描述，得到大學生日常生活習慣的描述結果。