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：武汉美和易思数字科技有限公司

摘要：本发明公开一种基于强化学习的学生素质素养预测方法及系统，所述方法包括：初始化设置学生的素质素养指标，构建学生素质素养评价体系，通过层次分析法分析学生的素质素养指标的权重；获取学生的历史素质素养指标数据，通过学生素质素养评价体系对历史素质素养指标数据进行评价，构建数据集；通过数据集构建隐马尔科夫模型，基于隐马尔科夫模型对学生的素质素养指标进行预测。本发明通过隐马尔科夫模型挖掘学生的历史素质素养观测数据潜在的时序变化规律和隐含参数，可根据历史数据提前对学生的素质素养变化趋势进行分析，实时性和准确性更高。

主权项：1.一种基于强化学习的学生素质素养预测方法，其特征在于，所述方法包括：初始化设置学生的素质素养指标，构建学生素质素养评价体系，通过层次分析法分析学生的素质素养指标的权重；获取学生的历史素质素养指标数据，通过学生素质素养评价体系对历史素质素养指标数据进行评价，构建数据集；通过数据集训练隐马尔科夫模型，基于隐马尔科夫模型对学生的素质素养进行预测；所述学生的素质素养指标包括：一级指标和一级指标对应的二级指标；一级指标包括文化、能力、素质；二级指标层包括文化维度对应的课堂知识掌握、课外知识积累、交叉学科学知识积累、自学主动性，能力维度对应的交际能力、组织协调能力、工程实践能力，素质维度下的道德素养、身体素质、心理素质；所述构建学生素质素养评价体系，通过层次分析法分析学生的素质素养指标的权重具体包括：根据一级指标对应的二级指标及总目标构建三个层级的学生素质素养评价体系；通过层次分析法对学生素质素养评价体系的一级、二级的各指标分项分别进行重要度打分，并计算两个层级的模糊判断一致矩阵及各项权重，计算各二级指标相对总目标的综合权重；所述获取学生的历史素质素养指标数据，通过学生素质素养评价体系对历史素质素养指标数据评价，构建数据集具体包括：获取学生的历史素质素养指标数据，提取特征向量作为样本数据；通过学生素质素养评价体系对历史素质素养指标数据进行评价，得到结果评分；对结果评分进行等级划分，将等级划分结果作为对应的样本数据标签，构建数据集；所述通过数据集训练隐马尔科夫模型具体包括：按照历史数据的时间顺序排列数据集中的样本；对学生素质素养指标进行等级区间划分，将划分的学生素质素养指标等级区间表示为隐马尔科夫模型的隐藏状态，构建隐藏状态矩阵，等级区间个数即为隐藏状态个数；将样本中学生素质素养指标观测值分为若干观测区间作为隐马尔科夫模型的观测状态，观测区间个数为观测状态个数；根据各隐藏状态之间的转移概率构建状态转移矩阵；根据各个指标观测状态出现的概率及各素质素养指标的权重构建混淆矩阵；所述基于隐马尔科夫模型对学生的素质素养进行预测具体包括：定义隐藏状态所属概率为前向概率，将混淆矩阵与隐藏状态矩阵、前向概率相乘得到对应实际观测到的学生素质素养所处的观测区间；基于待评价学生的素质素养指标计算获得前向概率的值；将状态转移矩阵P与初始状态概率相乘，得到下一时刻预期隐藏状态；将下一时刻预期隐藏状态与前向概率相乘，将相乘结果经过归一化处理后得到的最大隐藏状态概率所对应的隐藏状态作为学生的素质素养预测的等级区间；所述方法还包括：通过隐马尔科夫模型按照时间序列对学生素质素养进行多次评价，分析学生素质素养的时序变化趋势。

全文数据：

权利要求：

百度查询： 武汉美和易思数字科技有限公司 一种基于强化学习的学生素质素养预测系统