一种基于人工神经网络的学生行为预测方法技术

本发明专利技术公开了一种基于人工神经网络的学生行为预测方法，其特征在于：包括以下步骤：步骤一：数据收集，获取学生的一卡通数据、课堂出勤数据和学生成绩数据；步骤二：数据预处理，进行数据清洗、数据集成、数据选择和数据变换；步骤三：学生行为特征提取；步骤四：将提取的学生行为特征生成样本集，建立学生行为神经网络模型；步骤五：根据学生行为特征的重要性，建立学生行为特征的决策树模型；步骤六：基于决策树模型，对学生行为进行预测。本发明专利技术通过采集学生的的行为特征，对学生行为特征进行排序，并经过神经网络进行特征的约减，建立决策树模型，对学生行为进行预测，及时发现学生的异常，对学生进行监督。

【技术实现步骤摘要】
一种基于人工神经网络的学生行为预测方法
本专利技术涉及校园数据处理领域，尤其是一种基于人工神经网络的学生行为预测方法。
技术介绍
在现在大学校园里，学校的管理还在沿用传统的学生管理和服务方式，通过专业、年级对学生划分，对学生采用单一化的管理方式；并且只是对学生的课堂出勤和考试进行管理，其他时间没有进行实时监督和管理；而很多学生的自制能力比较差，不能自觉的学习，甚至不按时进行上课，最终导致学习成绩不好，没有学到知识，甚至无法完成学业；并且现在学校的管理还是后置式管理，只有当学生发生问题后，才进行管理，不能预先对学生的行为进行预测，实现对学生的监督。
技术实现思路
本专利技术的专利技术目的在于：针对上述存在的问题，提供一种基于人工神经网络的学生行为预测方法，通过采集学生的的行为特征，对学生行为特征进行排序，并经过神经网络进行特征的删减，建立决策树模型，对学生行为进行预测；通过对学生行为的自动预测，及时发现学生的异常，对学生进行有效的管理，改善现有校园管理的缺陷。本专利技术采用的技术方案如下：本专利技术一种基于人工神经网络的学生行为预测方法，包括以下步骤：步骤一：数据收集，获取学生的一卡通数据本文档来自技高网...

【技术保护点】
1.一种基于人工神经网络的学生行为预测方法，其特征在于：包括以下步骤：步骤一：数据收集，获取学生的一卡通数据、课堂出勤数据和学生成绩数据；步骤二：数据预处理，进行数据清洗、数据集成、数据选择和数据变换；数据清洗：数据缺失信息补充、重复数据清理和异常数据清理；数据集成：将数据进行统一的存储和管理；数据选择：选择合适的数据量，以及目标数据；数据变换：转换数据的格式；步骤三：学生行为特征提取，分别提取收集数据中的学生去图书馆的次数、在图书馆的时间、学生借阅书本量、宿舍进出时间和次数、学生消费时间和金额、学生课堂出勤次数、学生的成绩、宿舍上网时间、学生在实验室的时间和次数；步骤四：将提取的学生行为特征...

【技术特征摘要】
1.一种基于人工神经网络的学生行为预测方法，其特征在于：包括以下步骤：步骤一：数据收集，获取学生的一卡通数据、课堂出勤数据和学生成绩数据；步骤二：数据预处理，进行数据清洗、数据集成、数据选择和数据变换；数据清洗：数据缺失信息补充、重复数据清理和异常数据清理；数据集成：将数据进行统一的存储和管理；数据选择：选择合适的数据量，以及目标数据；数据变换：转换数据的格式；步骤三：学生行为特征提取，分别提取收集数据中的学生去图书馆的次数、在图书馆的时间、学生借阅书本量、宿舍进出时间和次数、学生消费时间和金额、学生课堂出勤次数、学生的成绩、宿舍上网时间、学生在实验室的时间和次数；步骤四：将提取的学生行为特征生成样本集，建立学生行为神经网络模型；步骤五：根据学生行为特征的重要性，建立学生行为特征的决策树模型；步骤六：基于决策树模型，对学生行为进行预测。2.如权利要求1所述的基于人工神经网络的学生行为预测方法，其特征在于：所述步骤一中，一卡通数据包括图书馆门禁数据、图书馆借阅数据、宿舍门禁数据、一卡通消费数据、宿舍上网时间数据和实验室门禁数据。3.如权利要求1所述的基于人工神经网络的学生行为预测方法，其特征在于：所述步骤五具体包括：S1：对提取的学生行为特征进行重要性排序；S2：用神经网络对重要的特征进行训练，检验其预测精度，筛选出若干重要的特征，以重要性最大的特征作为根结点建立决策树；S3：对决策树进行剪枝处理。4.如权利要求3所述的基于人工神经网络的学生行为预测方法，其特征在于：所述S1中，学生行为特征进行重要性排序的方法：根据公式计算学生行为特征特征的分离值关联值C(K)＝∑i≠j|x(i，k)-x(j，k)|×sign|y(i)-y(j)|，其中，S(K)是第k个特征的分离值，S1、S2分别是去掉特征k之后的数据组内距离和组间...

【专利技术属性】
技术研发人员：黄冠铭，丁凯，王力舟，吴琪，
申请(专利权)人：四川文轩教育科技有限公司，
类型：发明
国别省市：四川,51