龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：哈尔滨理工大学
摘要：一种基于SSA‑K‑means模型的学习行为分类预测方法，对学生的学习行为进行数据挖掘，为教师的教学指导提供数据参考。本发明包括：基于麻雀搜索算法SparrowSearchAlgorithm,SSA与K‑means聚类算法，建立适合学习行为分类预测的SSA‑K‑means模型。根据学生的学习行为数据，麻雀搜索算法采用客观的内部评价指标为适应度函数，在迭代搜索最优适应度函数值过程中获取训练K‑means模型的最佳超参数，并将聚类结果进行T‑SNE降维可视化分析。实验结果表明，本发明构建的学习行为分类预测模型具有更好的预测效果及更高的工作效率。
主权项：1.一种基于SSA-K-means模型的学习行为分类预测方法，其特征在于，所述方法包括：S1、数据预处理：实验所用数据来源于综合性在线学习平台2018级～2022级期间采集的学生学习过程数据；对学习过程数据深入挖掘，整合构建指标形成数据集，再对数据进行预处理操作以更好应用本发明提出的SSA-K-means模型进行预测和分析；S2、设置算法参数，构建SSA模型，找到使目标函数值最低的麻雀个体位置：K-means算法模型在聚类过程中存在分类簇的个数，迭代次数，随机种子数3个超参数需要设置，人为定义或默认设置都难以找到最优参数值，得到最佳聚类结果；将聚类的内部评价指标戴维森堡丁指数Davies-BouldinIndex,DBI，轮廓系数SilhouetteCoefficient,SC，方差比准则Calinski-HarabaszIndex,CH作为麻雀搜索算法的适应度函数,利用麻雀种群对适应度函数执行迭代寻优,以麻雀种群中最佳个体的位置作为最终K-means算法模型的超参数进行训练数据；S3、利用SSA模型的搜索结果构建K-means模型的超参数，对数据集进行聚类，查看预测效果并分析；S4、依据聚类结果，对数据集样本进行t-SNE降维可视化分析，查看聚类效果及评价指标。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 一种基于SSA-K-means模型的学习行为分类预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号