申请/专利权人：山东理工职业学院

申请日：2024-04-26

公开（公告）日：2024-05-31

公开（公告）号：CN118114083A

主分类号：G06F18/23211

分类号：G06F18/23211;G06F18/15;G06F18/214;G06Q10/0639;G06Q50/20;G06F18/2413

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.18#实质审查的生效;2024.05.31#公开

摘要：本发明公开了基于大数据的学生学业表现预测方法，方法包括数据采集、数据预处理、定义边界样本处理、聚类处理和学业表现预测。本发明属于数据处理技术领域，具体是指基于大数据的学生学业表现预测方法，本方案基于Cauchy核密度和相对Cauchy核密度对样本数据密度评估，通过构建边界检测图来标记边界样本，通过计算潜在边界样本的K个最近邻并检查它们是否属于同一个聚类，判断潜在边界样本是否为噪声数据；基于拉格朗日乘子最小化目标函数得到模糊隶属度、特征权值、可能性隶属度和聚类中心；基于平均类内距离评估聚类紧密度，设置惩罚因子，基于切断阈值修正可能性隶属度，自适应调节优化聚类结果；最终基于聚类结果实现学业表现预测。

主权项：1.基于大数据的学生学业表现预测方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集；步骤S2：数据预处理；步骤S3：定义边界样本处理，基于Cauchy核密度和相对Cauchy核密度对样本数据密度评估，通过构建边界检测图来标记边界样本，通过计算潜在边界样本的K个最近邻并检查它们是否属于同一个聚类，判断潜在边界样本是否为噪声数据；步骤S4：聚类处理，基于拉格朗日乘子最小化目标函数得到模糊隶属度、特征权值、可能性隶属度和聚类中心，设置惩罚因子，基于切断阈值修正可能性隶属度从而完成聚类；步骤S5：学业表现预测；在步骤S3中，所述定义边界样本处理具体包括以下步骤：步骤S31：计算样本数据的Cauchy核密度和相对Cauchy核密度；预先设有密度阈值和相对密度阈值，将Cauchy核密度低于密度阈值或者相对Cauchy核密度低于相对密度阈值的样本数据作为潜在边界样本；步骤S32：通过构建边界检测图来标记边界样本；边界检测图是一个图形表示，其中样本作为节点，边表示样本之间的距离；预先设有距离阈值；如果边的距离大于设定的距离阈值，则将连接的节点标记为边界样本；步骤S33：对于每个潜在的边界样本，计算其K个最近邻并检查它们是否属于同一个聚类；如果K个最近邻都属于同一个聚类，则将潜在的边界样本判定为该聚类的正区域；若K个最近邻属于不同的聚类，则将潜在的边界样本视为噪声簇，不予处理。

全文数据：

权利要求：

百度查询： 山东理工职业学院 基于大数据的学生学业表现预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD