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！

龙图腾网获悉华中师范大学申请的专利一种基于卷积神经网络的学习过程序列数据图像化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117079178B 。

龙图腾网通过国家知识产权局官网在2025-12-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310843139.1，技术领域涉及：G06V20/40；该发明授权一种基于卷积神经网络的学习过程序列数据图像化方法是由刘三女牙;周东波;夏琪;肖建峰;赵帅;杨宗凯设计研发完成，并于2023-07-11向国家知识产权局提交的专利申请。

本一种基于卷积神经网络的学习过程序列数据图像化方法在说明书摘要公布了：本发明公开了一种基于卷积神经网络的学习过程序列数据图像化方法，能够通过采集学生学习视频的动作序列数据，经过清洗后，利用卷积神经网络将动作序列转换成单个视频的特征矩阵，并根据视频长度和知识点的重要性计算特征块的权重，拼接成完整的特征矩阵。最后，根据需求将特征矩阵转换为单通道或三通道图片输出。本发明的方法可以提高学生的学习效率，帮助教师更好地了解学生的学习情况。同时，该方法还可以为教师提供有价值的参考，以便针对学生的具体学习情况进行个性化的教学。

本发明授权一种基于卷积神经网络的学习过程序列数据图像化方法在权利要求书中公布了：1.一种基于卷积神经网络的学习过程序列数据图像化方法，其特征在于，包括如下步骤： 1收集学生在观看教学视频时产生的一系列动作序列数据； 2对上述收集的学生在观看教学视频时产生的一系列动作序列数据进行清洗和处理，得到包含每个动作的时间戳的数据列表，即[t1,a1,t2,a2,...,tn,an]，其中ti表示第i个动作的时间戳，ai表示第i个动作的类型；数据清洗的目的是去除无用数据和异常数据，在清洗数据的过程中，需要根据实际情况进行数据预处理和数据修正，以确保数据的准确性和可靠性； 3将上述收集的学生在观看教学视频时产生的一系列动作序列数据按照一定规则生成对应的特征矩阵，以表达学生在观看教学视频时的学习状态； 4拼接上述按照一定规则生成对应的所有特征矩阵； 5根据需求将上述特征矩阵转换为单通道或三通道图片输出，以表达整个课程的学习情况； 步骤3中将上述收集的学生在观看教学视频时产生的一系列动作序列数据按照一定规则生成对应的特征矩阵，包括如下步骤： 1计算特征矩阵大小： 首先，需要计算特征矩阵的大小，特征矩阵的大小根据该课程视频的数量和输出图片的大小进行计算； 2输入学生动作序列和统计观看视频中出现的所有动作的数量； 需要输入学生的动作序列，并统计学生在观看视频中出现的所有动作的数量；学生的动作序列是系统后台记录的动作； 3计算需要的特征块数量： 根据观看视频中出现的所有动作的数量和特征矩阵的大小，计算出需要划分成的特征矩阵数量，根据特征矩阵的数量，将学生的动作序列分成多个子序列，并对每个子序列进行处理； 4动作序列进行0填充： 为了使每个动作序列的长度能填充到特征矩阵，需要对每个子序列进行0填充，0填充是指在动作序列的末尾添加0元素，使得所有动作序列的长度符合要求，具体填充的长度可以根据特征矩阵的大小和个数进行计算； 5动作序列转换成二维特征矩阵： 接下来，将动作序列转换成多个二维特征矩阵；根据特征矩阵大小在动作序列中依次取出对应数量的数据存入特征矩阵，存放规则是行优先，动作序列的长度为特征矩阵大小和数量的乘积，这样动作序列就可以刚好全部转换成二维特征矩阵； 6利用卷积叠加所有特征矩阵： 最后，将所有的二维特征矩阵输入到卷积神经网络中进行处理；卷积神经网络对所有特征矩阵进行堆叠合并，从而获得学生学习单个视频的特征矩阵；卷积神经网络由多个卷积层、池化层和全连接层组成，对每个特征块进行叠加和处理，从而得到一个单一的特征矩阵。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华中师范大学，其通讯地址为：430079 湖北省武汉市珞喻路152号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。