CN108154269A - 一种基于正态分布概率模型的高校投档分数线预测方法及系统 - Google Patents
一种基于正态分布概率模型的高校投档分数线预测方法及系统 Download PDFInfo
- Publication number
- CN108154269A CN108154269A CN201711440103.XA CN201711440103A CN108154269A CN 108154269 A CN108154269 A CN 108154269A CN 201711440103 A CN201711440103 A CN 201711440103A CN 108154269 A CN108154269 A CN 108154269A
- Authority
- CN
- China
- Prior art keywords
- colleges
- universities
- mean
- module
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000010586 diagram Methods 0.000 claims abstract description 8
- 230000001186 cumulative effect Effects 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 14
- 238000005315 distribution function Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于正态分布概率模型的高校投档分数线预测方法及系统，包括：1.获取用户选择的高校信息；2.根据获取的信息以预定的顺序进行数据统计；3.根据统计结果对数据进行计算，获得函数的所有点坐标；4.根据点坐标数据绘制图表；5.向用户显示所绘制的图表；6.判断是否结束预测，是则结束预测，否则转到步骤1。所述系统包括具有数据库的服务器，输入模块、数据统计模块、计算模块、绘图模块、展示模块和判断模块。本发明跳出传统模式，以“院校→分数→考生”的全新方法，将全国所有院校的投档线预测结果根据考生需求展示在考生面前，使考生能全面参考，并结合自身实际需求做出高考志愿填报的决策。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种基于正态分布概率模型的高校投档分数线预测方法及系统。
背景技术
高考是中国考生一次意义重大的考试，而高考志愿填报与高考本身同样重要，高考志愿填报能直接决定考生能进入的什么层次大学
现有的高考志愿辅助决策技术，如“分数法”、“线差法”、“位置法”、“位点法”，各有优缺点，但都是已知考生分数给出有限的高校选项，考生的可选范围较小，且考生只能知道自己的分数对应的某个院校的预计录取概率，从而择取预计概率较高的院校填报志愿，但以“不浪费分数”为唯一目标填报志愿未必能进入考生真正理想的学校或专业。
发明内容
为了解决现有技术中出现的技术问题，使得考生能够做出最适合自己的志愿填报决策，本发明提出一种基于正态分布概率模型的高校投档分数线预测方法，其特征在于，包括：
步骤1获取用户选择的高校信息，包括省区、院校、科类和批次；
步骤2根据获取的信息以预定的顺序进行数据统计；
步骤3根据统计结果对数据进行计算，获得函数的所有点坐标；
步骤4根据点坐标数据绘制图表；
步骤5向用户显示所绘制的图表；
步骤6判断是否结束预测，是则结束预测，否则转到所述步骤1。
进一步地，所述步骤2包括：
步骤2.1统计处理当年高考一分一段表，以提供步骤3所需的参数；
步骤2.2统计处理上一年高考一分一段表，以提供步骤3所需的参数。
进一步地，所述步骤3包括：
步骤3.1输出分布的算术平均值Mean；
步骤3.2输出分布的标准偏差standard_dev；
步骤3.3输出数个概率密度函数的所有点坐标Yx，
Yx＝NORM.DIST(x,Mean,standard_dev,0)，
其中，x为分数值，NORM.DIST(x,Mean,standard_dev,0)是计算正态分布概率密度函数值的程序语言；
步骤3.4输出数个累积分布函数的所有点坐标Zx，
NORM.DIST(x,Mean,standard_dev,1)，
其中，x为分数值，NORM.DIST(x,Mean,standard_dev,1)是计算正态分布累积分布函数值的程序语言。
进一步地，所述步骤4包括：
步骤4.1根据所述步骤3.3计算得到的数据，建立平面直角坐标系，以x为横坐标，Yx值为纵坐标，绘制散点图并连线，反映了某院校某科类某批次的预计投档线概率密度；
步骤4.2根据所述步骤3.4计算得到的数据，建立平面直角坐标系，以x为横坐标，Zx值为纵坐标，绘制散点图并连线，反映了某个分数对应某院校某科类某批次的预计被录取概率。
进一步地，所述步骤6中，当重新预测，转到所述步骤1时，根据再次获取的用户的选择，若用户的选择更换院校或科类或批次，则转到所述步骤3，清除上次步骤3的历史数据，继续运行；若用户的选择更换考试省区，则转到所述步骤2，清除上次步骤2的清除历史数据，继续运行。
本发明还提出一种基于正态分布概率模型的高校投档分数线预测系统，其特征在于，包括：
服务器，所述服务器具有一数据库，用于存储各院校历年录取相关信息；
一输入模块，用于获取用户选择的高校信息，包括省区、院校、科类和批次；
一数据统计模块，用于根据获取的信息以预定的顺序进行数据统计；
一计算模块，用于根据统计结果对数据进行计算，获得函数的所有点坐标；
一绘图模块，用于根据所述计算模块计算得到的点坐标数据绘制图表；
一展示模块，用于向用户显示所述绘图模块绘制的图表；
一判断模块，用于判断用户是否结束预测，是则结束预测，否则进行下一次预测。
进一步地，所述数据统计模块包括：
第一统计子模块，用于统计处理当年高考一分一段表，以向所述计算模块提供所需的参数；
第二统计子模块，用于统计处理上一年高考一分一段表，以向所述计算模块提供所需的参数。
进一步地，所述计算模块包括：
第一计算子模块，用于输出分布的算术平均值Mean；
第二计算子模块，用于输出分布的标准偏差standard_dev；
第三计算子模块，用于输出数个概率密度函数的所有点坐标Yx，
Yx＝NORM.DIST(x,Mean,standard_dev,0)，
其中，x为分数值，NORM.DIST(x,Mean,standard_dev,0)是计算正态分布概率密度函数值的程序语言；
第四计算子模块，用于输出数个累积分布函数的所有点坐标Zx，
NORM.DIST(x,Mean,standard_dev,1)，
其中，x为分数值，NORM.DIST(x,Mean,standard_dev,1)是计算正态分布累积分布函数值的程序语言。
进一步地，所述绘图模块包括：
第一绘图子模块，用于根据所述第三计算子模块计算得到的数据，建立平面直角坐标系，以x为横坐标，Yx值为纵坐标，绘制散点图并连线，反映了某院校某科类某批次的预计投档线概率密度；
第二绘图子模块，用于根据所述第四计算子模块计算得到的数据，建立平面直角坐标系，以x为横坐标，Zx值为纵坐标，绘制散点图并连线，反映了某个分数对应某院校某科类某批次的预计被录取概率。
进一步地，经过所述判断模块判断，进行下一次预测时，根据输入模块获取用户的新选择，若用户的选择更换院校或科类或批次，则数据统计模块无需再次工作，计算模块清除上次预测中计算的历史数据，重新计算。
本发明跳出“考生→分数→院校”的传统模式，以“院校→分数→考生”的全新方法，将全国所有院校的投档线预测结果根据考生需求展示在考生面前，打破了考生可选范围小的局限性，使考生能全面参考，并结合自身实际需求做出高考志愿填报的决策。此外，本发明不需先知道考生的实际分数，尊重考生隐私，减轻考生咨询时的心理负担；院校参考数据广泛且全面，可选范围广；结果以曲线图的形式展示，使考生能直观地看出报考该学校的把握与风险。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1示出了根据本发明一种基于正态分布概率模型的高校投档分数线预测方法的流程图；
图2示出了根据本发明一种基于正态分布概率模型的高校投档分数线预测系统的系统框图；
图3示出了当年高考一分一段表数据统计流程图；
图4示出了上一年高考一分一段表数据统计流程图；
图5示出了算术平均值计算流程图；
图6示出了标准偏差计算流程图；
图7示出了概率密度函数点坐标计算流程图；
图8示出了累积分布函数点坐标计算流程图；
图9示出了查看页面图；
图10示出了学校录档线概率密度图；
图11示出了学校分数对应录取概率图；
图12示出了学校录档线概率分布例一图示；
图13示出了学校录档线概率分布例二图示；
图14示出了学校录档线概率分布例三图示。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
参见图1，本申请实施例提供一种基于正态分布概率模型的高校投档分数线预测方法，包括：
步骤1获取用户选择的高校信息，包括省区、院校、科类和批次；
步骤2根据获取的信息以预定的顺序进行数据统计；
步骤3根据统计结果对数据进行计算，获得函数的所有点坐标；
步骤4根据点坐标数据绘制图表；
步骤5向用户显示所绘制的图表
步骤6判断是否结束预测，是则结束预测，否则转到所述步骤1。
进一步地，所述步骤2包括：
步骤2.1统计处理当年高考一分一段表(如对于2017年的高考，2017年为“当年”，2016年为“上一年”，下同)，以提供步骤3所需的参数；
步骤2.2统计处理上一年高考一分一段表，以提供步骤3所需的参数。
进一步地，所述步骤3包括：
步骤3.1输出分布的算术平均值Mean；
步骤3.2输出分布的标准偏差standard_dev；
步骤3.3输出数个概率密度函数的所有点坐标Yx，
Yx＝NORM.DIST(x,Mean,standard_dev,0)，
其中，x为分数值，NORM.DIST(x,Mean,standard_dev,0)是计算正态分布概率密度函数值的程序语言，其数学表示为：在此程序中，f(x)＝Yx，x＝x，μ＝Mean，σ＝standard_dev；
步骤3.4输出数个累积分布函数的所有点坐标Zx，
NORM.DIST(x,Mean,standard_dev,1)，
其中，x为分数值，NORM.DIST(x,Mean,standard_dev,1)是计算正态分布累积分布函数值的程序语言，其数学表示为：在此程序中，p＝Zx，x＝x，t＝Mean，σ＝standard_dev。
进一步地，所述步骤4包括：
步骤4.1根据所述步骤3.3计算得到的数据，建立平面直角坐标系，以x为横坐标，Yx值为纵坐标，绘制散点图并连线，反映了某院校某科类某批次的预计投档线概率密度；
步骤4.2根据所述步骤3.4计算得到的数据，建立平面直角坐标系，以x为横坐标，Zx值为纵坐标，绘制散点图并连线，反映了某个分数对应某院校某科类某批次的预计被录取概率。
进一步地，所述步骤6中，当重新预测，转到所述步骤1时，根据再次获取的用户的选择，若用户的选择更换院校或科类或批次，则转到所述步骤3，清除上次步骤3的历史数据，继续运行；若用户的选择更换考试省区，则转到所述步骤2，清除上次步骤2的清除历史数据，继续运行。最终从模块4的输出数据中可查阅全国所有院校所有科类所有批次的预计投档线概率密度图和分数对应预计被录取概率图。
参见图2，本发明还提出一种基于正态分布概率模型的高校投档分数线预测系统，其特征在于，包括：
服务器100，所述服务器100具有一数据库101，用于存储各院校历年录取相关信息；
一输入模块200，用于获取用户选择的高校信息，包括省区、院校、科类和批次；
一数据统计模块300，用于根据获取的信息以预定的顺序进行数据统计；
一计算模块400，用于根据统计结果对数据进行计算，获得函数的所有点坐标；
一绘图模块500，用于根据所述计算模块计算400得到的点坐标数据绘制图表；
一展示模块600，用于向用户显示所述绘图模块500绘制的图表，该展示模块600收集绘图模块500的所有输出图像，加以注释保存，并将注释结果展示给用户，如图9所示，当用户点击查看后则进一步展示学校录档线概率密度图和分数对应录取概率图，如图10和图11所示；
一判断模块700，用于判断用户是否结束预测，是则结束预测，否则进行下一次预测。
进一步地，所述数据统计模块300包括：
第一统计子模块301，用于统计处理当年高考一分一段表，以向所述计算模块提供所需的参数；
第二统计子模块302，用于统计处理上一年高考一分一段表，以向所述计算模块提供所需的参数。
进一步地，所述计算模块400包括：
第一计算子模块401，用于输出分布的算术平均值Mean；
第二计算子模块402，用于输出分布的标准偏差standard_dev；
第三计算子模块403，用于输出数个概率密度函数的所有点坐标Yx，
Yx＝NORM.DIST(x,Mean,standard_dev,0)，
其中，x为分数值，NORM.DIST(x,Mean,standard_dev,0)是计算正态分布概率密度函数值的程序语言；
第四计算子模块404，用于输出数个累积分布函数的所有点坐标Zx，
NORM.DIST(x,Mean,standard_dev,1)，
其中，x为分数值，NORM.DIST(x,Mean,standard_dev,1)是计算正态分布累积分布函数值的程序语言。
进一步地，所述绘图模块500包括：
第一绘图子模块501，用于根据所述第三计算子模块403计算得到的数据，建立平面直角坐标系，以x为横坐标，Yx值为纵坐标，绘制散点图并连线，反映了某院校某科类某批次的预计投档线概率密度；
第二绘图子模块502，用于根据所述第四计算子模块404计算得到的数据，建立平面直角坐标系，以x为横坐标，Zx值为纵坐标，绘制散点图并连线，反映了某个分数对应某院校某科类某批次的预计被录取概率。
进一步地，经过所述判断模块700判断，进行下一次预测时，根据输入模块200获取用户的新选择，若用户的选择更换院校或科类或批次，则数据统计模块300无需再次工作，计算模块400清除上次预测中计算的历史数据，重新计算。最终从展示模块600的输出数据中可查阅全国所有院校所有科类所有批次的预计投档线概率密度图和分数对应预计被录取概率图。
参见图3，在对当年高考一分一段表进行数据统计时，令n＝750，Sn＝0，Gn＝0，其中n为分数，Sn为当年文科分数大于等于n的人数，Gn为当年理科分数大于等于n的人数；人工输入当年文科分数为n的人数Wn，当年理科分数为n的人数Ln；计算Sn＝Sn+Wn，Gn＝Gn+Ln；输出Wn，Sn，Ln，Gn；判断n是否为零，若是则结束，否则n＝n-1，输入Wn和Ln，进入下一循环。
参见图4，在对上一年高考一分一段表进行数据统计时，令n＝750，En＝0，Hn＝0，其中n为分数，En为上一年文科分数大于等于n的人数，Hn为上一年理科分数大于等于n的人数；人工输入上一年文科分数为n的人数Rn，上一年理科分数为n的人数Jn；计算En＝En+Rn，Hn＝Hn+Jn；输出Rn，Jn，En，Hn；判断n是否为零，若是则结束，否则n＝n-1，输入Rn和Jn，进入下一循环。
参见图5，在计算算术平均值时，以某院校某科类某批次去年的投档线为n，如是文史类找到对应的En值，如是理工类找到对应的Hn值；找到与En最接近且小于En的Sn值，或与Hn最接近且小于Hn的Gn值；以找到的Sn或Gn的数字标注n值为参数Mean。
参见图6，在计算标准偏差时，将某院校某科类某批次去年的最高录取分或今年某院校某科类某批次的上一级批次(如本科二批的上一级批次为本科一批，最高批次则忽略此项)的批次线，二者取较低值，记为M；计算M与Mean的差值，记结果为C；根据C值大小和C-s对应表确定参数standard_dev，“C-s对应表”是两个数列(C值列和standard_dev值列)一一对应的数字表格，由此表格可以已知C值得到standard_dev值。
参见图7，在计算概率密度函数点坐标时，令n＝750，n为分数；人工输入参数Mean，standard_dev；计算Yx＝NORM.DIST(x,Mean,standard_dev,0)；输出Yx；判断x是否为零，若是则结束，否则x＝x-1，计算Yx＝NORM.DIST(x,Mean,standard_dev,0)，进入下一循环。
参见图8，在计算累积分布函数点坐标时，令n＝750，n为分数；人工输入参数Mean，standard_dev；计算Zx＝NORM.DIST(x,Mean,standard_dev,1)；输出Zx；判断x是否为零，若是则结束，否则x＝x-1，计算Zx＝NORM.DIST(x,Mean,standard_dev,0)，进入下一循环。
在实际应用中，输入“湖北省2017高考一分一段表”、“湖北省2016高考一分一段表”、“北京大学2016湖北理科投档线”，得到如图12所示的结果，得到湖北理科北京大学学校的录档线概率分布，其中为了标明实际结果添加了竖线，显示为预测分数685分，实际684分。
输入“湖北省2017高考一分一段表”、“湖北省2016高考一分一段表”、“清华大学2016湖北理科投档线”，得到如图13所示的结果，湖北理科清华大学的学校录档线概率分布，预测分数与实际分数同为678分。
输入“湖北省2017高考一分一段表”、“湖北省2016高考一分一段表”、“武汉大学2016湖北理科投档线”，得到结果如图14所示的结果，湖北理科武汉大学的学校录档线概率分布，预测分数与实际分数同为612分。
由此可见，本发明预测结果直观、准确，能够给考生提供全面的参考。
Claims (10)
1.一种基于正态分布概率模型的高校投档分数线预测方法及系统，其特征在于，包括：
步骤1获取用户选择的高校信息，包括省区、院校、科类和批次；
步骤2根据获取的信息以预定的顺序进行数据统计；
步骤3根据统计结果对数据进行计算，获得函数的所有点坐标；
步骤4根据点坐标数据绘制图表；
步骤5向用户显示所绘制的图表；
步骤6判断是否结束预测，是则结束预测，否则转到所述步骤1。
2.根据权利要求1所述的高校投档分数线预测方法，其特征在于，所述步骤2包括：
步骤2.1统计处理当年高考一分一段表，以提供步骤3所需的参数；
步骤2.2统计处理上一年高考一分一段表，以提供步骤3所需的参数。
3.根据权利要求1所述的高校投档分数线预测方法，其特征在于，所述步骤3包括：
步骤3.1输出分布的算术平均值Mean；
步骤3.2输出分布的标准偏差standard_dev；
步骤3.3输出数个概率密度函数的所有点坐标Yx，
Yx＝NORM.DIST(x,Mean,standard_dev,0)，
其中，x为分数值，NORM.DIST(x,Mean,standard_dev,0)是计算正态分布概率密度函数值的程序语言；
步骤3.4输出数个累积分布函数的所有点坐标Zx，
NORM.DIST(x,Mean,standard_dev,1)，
其中，x为分数值，NORM.DIST(x,Mean,standard_dev,1)是计算正态分布累积分布函数值的程序语言。
4.根据权利要求3所述的高校投档分数线预测方法，其特征在于，所述步骤4包括：
步骤4.1根据所述步骤3.3计算得到的数据，建立平面直角坐标系，以x为横坐标，Yx值为纵坐标，绘制散点图并连线，反映了某院校某科类某批次的预计投档线概率密度；
步骤4.2根据所述步骤3.4计算得到的数据，建立平面直角坐标系，以x为横坐标，Zx值为纵坐标，绘制散点图并连线，反映了某个分数对应某院校某科类某批次的预计被录取概率。
5.根据权利要求1所述的高校投档分数线预测方法，其特征在于，所述步骤6中，当重新预测，转到所述步骤1时，根据再次获取的用户的选择，若用户的选择更换院校或科类或批次，则转到所述步骤3，清除上次步骤3的历史数据，继续运行；若用户的选择更换考试省区，则转到所述步骤2，清除上次步骤2的清除历史数据，继续运行。
6.一种基于正态分布概率模型的高校投档分数线预测系统，其特征在于，包括：服务器，所述服务器具有一数据库，用于存储各院校历年录取相关信息；
一输入模块，用于获取用户选择的高校信息，包括省区、院校、科类和批次；一数据统计模块，用于根据获取的信息以预定的顺序进行数据统计；
一计算模块，用于根据统计结果对数据进行计算，获得函数的所有点坐标；
一绘图模块，用于根据所述计算模块计算得到的点坐标数据绘制图表；
一展示模块，用于向用户显示所述绘图模块绘制的图表；
一判断模块，用于判断用户是否结束预测，是则结束预测，否则进行下一次预测。
7.根据权利要求6所述的高校投档分数线预测系统，其特征在于，所述数据统计模块包括：
第一统计子模块，用于统计处理当年高考一分一段表，以向所述计算模块提供所需的参数；
第二统计子模块，用于统计处理上一年高考一分一段表，以向所述计算模块提供所需的参数。
8.根据权利要求6所述的高校投档分数线预测系统，其特征在于，所述计算模块包括：
第一计算子模块，用于输出分布的算术平均值Mean；
第二计算子模块，用于输出分布的标准偏差standard_dev；
第三计算子模块，用于输出数个概率密度函数的所有点坐标Yx，
Yx＝NORM.DIST(x,Mean,standard_dev,0)，
其中，x为分数值，NORM.DIST(x,Mean,standard_dev,0)是计算正态分布概率密度函数值的程序语言；
第四计算子模块，用于输出数个累积分布函数的所有点坐标Zx，
NORM.DIST(x,Mean,standard_dev,1)，
其中，x为分数值，NORM.DIST(x,Mean,standard_dev,1)是计算正态分布累积分布函数值的程序语言。
9.根据权利要求8所述的高校投档分数线预测系统，其特征在于，所述绘图模块包括：
第一绘图子模块，用于根据所述第三计算子模块计算得到的数据，建立平面直角坐标系，以x为横坐标，Yx值为纵坐标，绘制散点图并连线，反映了某院校某科类某批次的预计投档线概率密度；
第二绘图子模块，用于根据所述第四计算子模块计算得到的数据，建立平面直角坐标系，以x为横坐标，Zx值为纵坐标，绘制散点图并连线，反映了某个分数对应某院校某科类某批次的预计被录取概率。
10.根据权利要求6所述的高校投档分数线预测系统，其特征在于，经过所述判断模块判断，进行下一次预测时，根据输入模块获取用户的新选择，若用户的选择更换院校或科类或批次，则数据统计模块无需再次工作，计算模块清除上次预测中计算的历史数据，重新计算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711440103.XA CN108154269A (zh) | 2017-12-27 | 2017-12-27 | 一种基于正态分布概率模型的高校投档分数线预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711440103.XA CN108154269A (zh) | 2017-12-27 | 2017-12-27 | 一种基于正态分布概率模型的高校投档分数线预测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108154269A true CN108154269A (zh) | 2018-06-12 |
Family
ID=62462289
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711440103.XA Pending CN108154269A (zh) | 2017-12-27 | 2017-12-27 | 一种基于正态分布概率模型的高校投档分数线预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108154269A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108874749A (zh) * | 2018-06-22 | 2018-11-23 | 西南科技大学 | 一种高考志愿录取概率模型的建立方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020032645A1 (en) * | 2000-09-13 | 2002-03-14 | Ken Nozaki | System and method for score calculation |
| CN105913350A (zh) * | 2016-03-31 | 2016-08-31 | 成都文儒德教育科技有限公司 | 一种基于位点法的高考志愿填报决策方法及系统 |
| CN106327392A (zh) * | 2016-08-31 | 2017-01-11 | 武汉颂大教育科技股份有限公司 | 一种基于大数据的考试录取智能预测方法 |
-
2017
- 2017-12-27 CN CN201711440103.XA patent/CN108154269A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020032645A1 (en) * | 2000-09-13 | 2002-03-14 | Ken Nozaki | System and method for score calculation |
| CN105913350A (zh) * | 2016-03-31 | 2016-08-31 | 成都文儒德教育科技有限公司 | 一种基于位点法的高考志愿填报决策方法及系统 |
| CN106327392A (zh) * | 2016-08-31 | 2017-01-11 | 武汉颂大教育科技股份有限公司 | 一种基于大数据的考试录取智能预测方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108874749A (zh) * | 2018-06-22 | 2018-11-23 | 西南科技大学 | 一种高考志愿录取概率模型的建立方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2017133569A1 (zh) | 评估指标获取方法及装置 | |
| CN104408547A (zh) | 一种基于数据挖掘的医保欺诈行为的检测方法 | |
| KR101721114B1 (ko) | 위치정보가 포함된 포인트 데이터를 다축척의 웹 지도상에 클러스터링하기 위하여 격자의 크기를 결정하는 방법 | |
| CN110046212B (zh) | 路况变化信息确定方法、装置、计算机设备及存储介质 | |
| CN115952062A (zh) | 数据异常检测方法、装置、设备及介质 | |
| CN104156801A (zh) | 市公司班组对标数据处理系统及数据处理方法 | |
| CN104268118A (zh) | 一种包括触摸屏的数学式计算器及数学公式识别的方法 | |
| CN108154269A (zh) | 一种基于正态分布概率模型的高校投档分数线预测方法及系统 | |
| CN108696397B (zh) | 一种基于ahp和大数据的电网信息安全评估方法及装置 | |
| CN111460293B (zh) | 信息推送方法、装置及计算机可读存储介质 | |
| CN109101631A (zh) | 数据建模方法及装置 | |
| CN105608151A (zh) | 一种财务报表分析装置和方法 | |
| JP6514401B1 (ja) | 情報処理装置、学習装置、情報処理システム、情報処理方法及びコンピュータプログラム | |
| Dong et al. | Recalculating the agricultural labor force in china | |
| CN106650299B (zh) | 一种患者相似性分析的快速计算方法 | |
| CN115510253A (zh) | 基于三维知识图谱的变电站设备ar辅助维修方法及终端 | |
| CN111260384A (zh) | 服务订单处理方法、装置、电子设备及存储介质 | |
| CN114298847A (zh) | 职工医保基金结余的预测方法、装置、设备及存储介质 | |
| CN110457705B (zh) | 一种兴趣点数据处理方法、装置、设备和存储介质 | |
| CN108921433A (zh) | 基于业务连续性的风险定量分析系统 | |
| CN114742412A (zh) | 一种软件技术服务系统及方法 | |
| CN113722917A (zh) | 基于垂直剖面上裂变径迹长度分布的热史模拟方法及系统 | |
| CN114123190A (zh) | 确定电表所属目标台区的方法、装置、电子设备及存储介质 | |
| CN117726311B (zh) | 监管对象就业岗位智能匹配方法、装置、设备及存储介质 | |
| CN111210132A (zh) | 一种基于大数据分析的人职匹配测评方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180612 |
|
| RJ01 | Rejection of invention patent application after publication |