买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜湖南科技职业学院申请的专利一种融合波动性信息组合模型的教学质量预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119721397B 。

龙图腾网通过国家知识产权局官网在2025-05-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510217165.2，技术领域涉及：G06Q10/04；该发明授权一种融合波动性信息组合模型的教学质量预测方法是由张群慧;彭辉;谭见君;刘安华;刘奕;杨灿;贺勇设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本一种融合波动性信息组合模型的教学质量预测方法在说明书摘要公布了：本发明公开了一种融合波动性信息组合模型的教学质量预测方法，通过数据收集：收集影响教学因素的二级指标相对应的数据；数据清洗：依据预设的数据清洗规则对收集二级指标相对应的数据进行清洗；特征数据重构：对收集的二级指标相对应的数据的特征进行特征数据模型定阶和特征序列重构；融合波动性信息Ridge预测：将重构的特征数据中的波动性信息融合到Ridge回归算法中；各个特征的预测结果：根据融合波动性信息的Ridge回归算法，得到二级指标相对应的数据中各个特征的预测结果；教学质量预测：根据二级指标相对应的数据中各个特征的预测结果，对教学质量进行预测。本发明提高教学质量预测的准确性和效率。

本发明授权一种融合波动性信息组合模型的教学质量预测方法在权利要求书中公布了：1.一种融合波动性信息组合模型的教学质量预测方法，其特征在于，包括以下步骤：数据收集：根据教学质量评价指标确认模块当中对影响教学因素的指标的确定，收集影响教学因素的二级指标相对应的数据，进而构成一个15维特征作为组合模型的输入；数据清洗：依据预设的数据清洗规则对收集的影响教学因素的二级指标相对应的数据进行清洗；特征数据重构：对收集的影响教学因素的二级指标相对应的数据的特征进行特征数据模型定阶和特征序列重构；包括：假定一多输入单输出回归模型有N个样本、一个因变量、g-1个自变量，由低阶到高阶递增地以Ridge回归进行留一法测试，并依RMSE最小标准决定拓展阶数与否，判定公式为： 其中，为Ridgen地均方误差，为Ridgen+1地均方误差，ridgen为定阶后模型；使用判定公式分别对收集的影响教学因素的二级指标相对应的数据的各个特征的数据进行定阶，最后将得到各个特征模型的阶数，对应数学公式为： 其中，为第个特征模型定的阶数；为特征数量；为特征模型定阶的集合；针对特征数据序列，根据确定的ridge的嵌入维度w，此时输入样本转换为w列矩阵，输出样本为1列矩阵，将输入输出的矩阵合并，以前w列为特征，最后1列为目标，获取到序列重构矩阵如下： 其中，为定阶为w的特征重构的矩阵；w为模型的定阶，N为样本数；为特征对应的第j个值；结合模型定阶获取到的的集合，得到各个特征重构的矩阵，数学公式表示为： 其中，为L个特征重构矩阵的集合；为第j个特征和阶数为的重构矩阵；融合波动性信息Ridge预测：将重构的特征数据中的波动性信息融合到Ridge回归算法中，即将波动性信息作为惩罚项的一部分纳入到Ridge回归算法中，以调整组合模型中系数的收缩程度；包括：步骤S41、对矩阵的每个特征进行波动性估计；步骤S42、构建Ridge回归算法的惩罚项；步骤S43、确定需要优化问题，找到最小化目标函数的系数；步骤S44、对目标函数进行求解，使用坐标下降法求解最小化目标函数，得到调整后的系数，进而构建好融合波动性信息Ridge模型，并对未来值进行预测；步骤S45、针对各个特征重构的矩阵，循环步骤S41至步骤S44，得到多个Ridge模型，并且得到每个Ridge模型进行预测的结果各个特征的预测结果：根据融合波动性信息的Ridge回归算法，得到影响教学因素的二级指标相对应的数据中各个特征的预测结果；教学质量预测：根据影响教学因素的二级指标相对应的数据中各个特征的预测结果，对教学质量进行预测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南科技职业学院，其通讯地址为：410000 湖南省长沙市井湾路784号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。