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！

龙图腾网恭喜华东师范大学申请的专利一种基于高斯分布精度矩阵的知识网络构建方法及系统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：CN114036315B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202111353773.4，技术领域涉及：G06F16/36；该发明授权一种基于高斯分布精度矩阵的知识网络构建方法及系统是由吴洁;倪葎;金澈清设计研发完成，并于2021-11-16向国家知识产权局提交的专利申请。

本一种基于高斯分布精度矩阵的知识网络构建方法及系统在说明书摘要公布了：本发明提供了一种基于高斯分布精度矩阵的知识网络构建方法，包括以下步骤：步骤1：收集数值型行为数据，对收集到的数据进行数据预处理，并划分出训练集、验证集和测试集；其中，所述数据预处理包括标准化；步骤2：使用步骤1中处理后的训练集、验证集和测试集训练精度矩阵模型，保存训练好的精度矩阵结果；步骤3：使用步骤2训练出的精度矩阵构建知识网络，将精度矩阵中的元素与知识网络中的边一一对应，使用networkx绘图工具绘画出知识关联网络图；步骤4：使用步骤3中的知识网络的信息构建回归预测器，将学生在前一部分知识点上的行为数据作为输入，输出预测的学生在后一部分知识点上的行为数据。

本发明授权一种基于高斯分布精度矩阵的知识网络构建方法及系统在权利要求书中公布了：1.一种基于高斯分布精度矩阵的知识网络构建方法，其特征在于，包括以下步骤： 步骤1：收集数值型行为数据，对收集到的数据进行数据预处理，并划分出训练集、验证集和测试集；其中，所述数据预处理包括标准化； 步骤2：使用步骤1中处理后的训练集、验证集和测试集训练精度矩阵模型，保存训练好的精度矩阵模型结果； 步骤3：使用步骤2训练出的精度矩阵构模型建知识网络，将精度矩阵模型中的元素与知识网络中的边一一对应，使用networkx绘图工具绘画出知识关联网络图； 步骤4：使用步骤3中的知识网络的信息构建回归预测器，将学生在前一部分知识点上的行为数据作为输入，输出预测的学生在后一部分知识点上的行为数据； 步骤4中的回归预测器构建过程如下： 预测模块包括点预测模块和区间预测模块； 设知识点总个数为p，前m个知识点的行为数据作为特征，第m+1个知识点到第p个知识点的行为数据作为要预测的目标数据； 所述点预测模块：设输入为步骤2中训练出的精度矩阵为Θ,输出用表示,公式如下： E＝Θ-1 表示第i个学生样本在前m个知识点上的行为数据，表示第i个学生样本在第m+1个知识点到第p个知识点上的行为数据；为知识点的协方差矩阵,是精度矩阵的逆矩阵，p为知识点的总个数；μ表示训练集中所有学生样本在所有知识点上行为数据的均值向量，维度为p；μ1、μ2、E11、E12、E22分别是将μ与E按如下结构分块后的部分： μ1表示训练集中所有学生样本前m个知识点行为数据的均值向量，维度为m，μ2表示训练集中所有学生样本第m+1个知识点到第p个知识点行为数据的均值向量，维度为p-m；同时，使用RMSE作为评价指标，计算公式如下： 其中，zi代表真实值，代表模型预测的值，k表示参与预测的样本个数； 所述区间预测模块：设输入为输出为预测的第i个学生样本在第jj＝m+1,…,p个知识点上行为数据的范围区间；D表示n个学生样本在前m个知识点上的行为数据，给矩阵D加上全1的一列合成新矩阵X，如下所示： X＝1,D 其中，y表示训练集中所有学生样本在第k个知识点上的行为数据，为测试集中预测的第i个学生样本在第j个知识点上的行为数据； 区间预测模块最终输出的区间为： 其中，t1-α2n-p-1为置信水平为1-α2、自由度为n-p-1的t分位数。

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华东师范大学，其通讯地址为：200241 上海市闵行区东川路500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”。