一種基于深度學習的學生異常行為分析方法
基本信息
申請?zhí)?/td> | CN202011123849.X | 申請日 | - |
公開(公告)號 | CN112256755A | 公開(公告)日 | 2021-01-22 |
申請公布號 | CN112256755A | 申請公布日 | 2021-01-22 |
分類號 | G06F16/2458;G06F16/215;G06F16/25;G06K9/62;G06Q50/20 | 分類 | 計算;推算;計數(shù); |
發(fā)明人 | 潘超;楊鵬;劉磊;范宏城;吳欣羽 | 申請(專利權)人 | 中電科新型智慧城市研究院有限公司福州分公司 |
代理機構 | 南京聚匠知識產(chǎn)權代理有限公司 | 代理人 | 劉囝 |
地址 | 350000 福建省福州市倉山區(qū)潘墩路190號北斗小鎮(zhèn)9層 | ||
法律狀態(tài) | - |
摘要
摘要 | 本發(fā)明公開了一種基于深度學習的學生異常行為分析方法,包括:先采集學生在校消費、生活和學習方面的相關數(shù)據(jù),并對數(shù)據(jù)進行預處理;再通過分析數(shù)據(jù)的可用性和評價學生在校行為,構建學生畫像特征庫,通過不同的指標刻畫學生的行為特征,并根據(jù)采集到的數(shù)據(jù)量化進行指標量化;根據(jù)行為特征構建基于wide&deep神經(jīng)網(wǎng)絡的異常行為預測模型;結合異常行為預測模型進行預測分析學生的異常行為。本發(fā)明能夠高效地處理不同數(shù)據(jù)的融合,并行化程序高,系統(tǒng)穩(wěn)定;同時,預測模型能夠同時學習低階和高階組合特征,它混合了一個線性模型和Deep模型,可以更快的訓練,以及更精確的訓練學習,能夠準確地對異常學生進行預測。 |
