智慧校园教育大数据融合方法及平台技术

本发明专利技术涉及教育数据预测处理技术领域，尤其涉及一种智慧校园教育大数据融合方法及平台。该方法包括以下步骤：获取学生教育活动数据；根据学生教育活动数据进行数据标准化，从而获得标准实时数据；根据标准实时数据进行融合建构，从而构建学生行为模型；根据学生行为模型进行行为异常预估，从而获得异常行为数据；根据异常行为数据进行智能事件溯源评估，从而获得异常行为详细情况信息，以供智慧校园教育异常事件追踪。本发明专利技术通过获取、标准化和融合建构学生教育活动数据，快速构建学生行为模型，整合多源数据实现全面分析，提高了学生教育管理的效率。教育管理的效率。教育管理的效率。

【技术实现步骤摘要】
智慧校园教育大数据融合方法及平台


[0001]本专利技术涉及教育数据预测处理
，尤其涉及一种智慧校园教育大数据融合方法及平台。

技术介绍

[0002]智慧校园指的是以物联网为基础的智慧化的校园工作、学习和生活一体化环境，这个一体化环境以各种应用服务系统为载体，将教学、科研、管理和校园生活进行充分融合，这幅蓝图描绘的是：无处不在的网络学习、融合创新的网络科研、透明高效的校务治理、丰富多彩的校园文化、方便周到的校园生活，简而言之，要做一个安全、稳定、环保、节能的校园。人工智能(Artificial Intelligence，简称AI)是指让机器像人一样具有思维智能的技术和应用。人工智能包括了多个领域，利用大量数据和算法，帮助计算机模拟人类智力活动并实现自主决策和行动。未来人工智能的前景非常广阔。随着技术的不断发展和应用场景的不断拓展，人工智能将在各个领域中得到广泛应用。如何将人工智能与智慧校园教育数据处理结合起来便成为了一个问题。

技术实现思路

[0003]本专利技术为解决上述技术问题，提出了一种智慧校园教育大数据融合方法及平本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智慧校园教育大数据融合方法，其特征在于，包括以下步骤：步骤S1：获取学生教育活动数据；步骤S2：根据学生教育活动数据进行数据标准化，从而获得标准实时数据；步骤S3：根据标准实时数据进行融合建构，从而构建学生行为模型；步骤S4：根据学生行为模型进行行为异常预估，从而获得异常行为数据；步骤S5：根据异常行为数据进行智能事件溯源评估，从而获得异常行为详细情况信息，以供智慧校园教育异常事件追踪。2.根据权利要求1所述的方法，其特征在于，标准实时数据包括第一标准实时数据以及第二标准实时数据，步骤S2具体为：对学生教育活动数据进行数据清洗，从而生成清洗活动数据；根据清洗活动数据进行分布式计算，从而获得分布活动数据；判断分布活动数据是否大于或等于预设的分布阈值数据；确定分布活动数据大于或等于预设的分布阈值数据时，根据清洗活动数据进行第一标准化计算，从而生成第一标准实时数据；确定分布活动数据小于预设的分布阈值数据时，根据清洗活动数据进行第二标准化计算，从而生成第二标准实时数据，其中第一标准化计算与第二标准化计算采用的数据标准化计算不同。3.根据权利要求1所述的方法，其特征在于，步骤S3具体为：步骤S31：根据标准实时数据进行数据预处理，从而获得预处理数据；步骤S32：根据预处理数据进行时序活动特征提取以及时序位置特征提取，从而获取时序活动特征以及时序位置特征；步骤S33：根据时序活动特征通过学生活动风险识别模型进行识别，从而获得学生活动风险信息；步骤S34：根据时序位置特征以及时序活动特征进行深度关联耦合，从而获得实时活动信息；步骤S35：利用学生活动风险信息对实时活动信息进行标注，从而获得风险等级实时活动数据；步骤S36：根据风险等级实时活动数据进行融合建构，从而构建学生行为模型。4.根据权利要求3所述的方法，其特征在于，步骤S32具体为：根据预处理数据进行时序转化，获得时序活动记录数据；根据时序活动记录数据进行时序活动特征提取，从而获得时序活动特征；根据时序活动记录数据中的位置信息进行拍摄图像位置校正，从而获得时序位置特征。5.根据权利要求4所述的方法，其特征在于，其中拍摄图像位置校正的步骤具体为：通过时序活动记录数据中的学生位置信息进行控制相应的摄像头进行图像采集作业，从而获得学生图像信息；根据学生图像信息进行学生图像识别，从而获得学生图像识别信息；确定学生图像识别信息为包含真的学生图像识别信息时，则根据时序活动记录数据进行时序位置特征提取，从而获得时序位置特征；
确定学生图像识别信息为包含假的学生图像识别信息时，则控制校园内的摄像头进行图像采集并学生图像识别，迭代直至确定学生图像识别信息为包含真的学生图像识别信息时，利用当前学生位置信息对时序活动记录数据进行相对位置校准...

【专利技术属性】
技术研发人员：马朝辉，何凯英，郭婷，
申请(专利权)人：深圳乐行智慧产业有限公司，
类型：发明
国别省市：