CN112734296B - 一种基于大数据的智慧校园学生宿舍分配方法 - Google Patents
一种基于大数据的智慧校园学生宿舍分配方法 Download PDFInfo
- Publication number
- CN112734296B CN112734296B CN202110113992.9A CN202110113992A CN112734296B CN 112734296 B CN112734296 B CN 112734296B CN 202110113992 A CN202110113992 A CN 202110113992A CN 112734296 B CN112734296 B CN 112734296B
- Authority
- CN
- China
- Prior art keywords
- dormitory
- student
- grade
- students
- character characteristics
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000012549 training Methods 0.000 claims abstract description 4
- 238000012360 testing method Methods 0.000 claims description 7
- 238000012417 linear regression Methods 0.000 claims description 3
- 230000003340 mental effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Technology (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的智慧校园学生宿舍分配方法,通过前期对学生的特点进行统计,建立模型,并根据已有校园宿舍中的各个学生的特点对模型进行训练,最后在对学生宿舍划分的时候,将待划分宿舍的学生的特点放入训练好的模型中,得到宿舍的预测等级,并根据宿舍的预测等级对学生进行宿舍的划分,使得校园的每一个宿舍的整体和谐程度增加,从而使得校园环境更加智慧并符合学生的身心特点,同时本发明在对宿舍进行分配的时候,向模型中依次输入学生的特点,每次的输入增加一个学生,每一次的输入得到一次宿舍的等级,使得输出的宿舍等级不低于之前的宿舍等级,这样就可以有效的在对学生进行宿舍分配的时候,提升数据的使用效率和运算速度。
Description
技术领域
本发明涉及智慧校园领域,特别涉及一种基于大数据的智慧校园学生宿舍分配方法。
背景技术
智慧校园是通过信息化的方式为教师和学生提供方便便捷的服务,也使得教师和学生在校园里生活的更加幸福。对学生影响较大的校园空间环境就是学生宿舍,学生宿舍在划分的时候,通常是根据学生的专业和班级,对学生进行宿舍的划分,而每一个学生的特点并不一致,因此在宿舍相处的时候,每一个宿舍的和谐程度也是不一致的,这也是导致现在校园宿舍的登记参差不齐的主要原因,因此,想要一个和谐美好的智慧校园空间环境,对于宿舍的分配也是一项重要的研究课题。
发明内容
本发明的目的是克服上述现有技术中存在的问题,提供一种基于大数据的智慧校园学生宿舍分配方法,根据学生的特点为学生进行宿舍的分配和调整,使得校园的每一个宿舍的整体和谐程度增加,从而使得校园环境更加适应智慧化发展,满足学生身心特点。
为此,本发明提供一种基于大数据的智慧校园学生宿舍分配方法,包括如下步骤:
S1:收集每一个宿舍的等级以及每一个宿舍中每一个学生的性格特点;
S2:建立有监督学习模型,将收集的宿舍的等级作为输出,该宿舍所对应每一个学生的性格特点作为输入,对所建立的有监督学习模型进行训练,得到训练好的有监督学习模型;
S3:在对宿舍进行划分的时候,分别获取每一个要进行宿舍划分的学生的性格特点,建立待选学生库,所述待选学生库用于存储每一个要进行宿舍划分的学生的姓名学号以及该学生所对应的性格特点;
S4:根据宿舍的人数要求从所述待选学生库中随机选取设定数量的学生的性格特点送入训练好的有监督学习模型中作为输入,输出得到宿舍的等级;
S5:将输出的宿舍等级与等级阈值进行对比,当等级不小于设定的阈值的时候,则将所述输入学生的性格特点所对应的学生划分为一个宿舍,并将已经划分宿舍的学生从所述待选学生库中移除,之后重复步骤S4,当等级小于设定的阈值的时候,则重复步骤S4;
S6:将各个宿舍的宿舍号以及每一个宿舍所划分的学生的姓名学号输出并显示。
进一步,在获取学生的性格特点的时候,通过学生对测试题的作答,得到学生的性格特点。
更进一步,通过向量的方式对学生的性格特点进行表示,令学生i的性格特点ni为ni=(x1,x2,x3,...,xk),其中k为正整数,xk为第k个维度的参数值,所述测试题选取答案输出为k个维度的测试题。
更进一步,所述有监督学习模型为多层感知机模型或者线性回归模型。
进一步,在步骤S4中,包括如下步骤:
S4-1:根据宿舍的人数要求建立备选学生存放区;
S4-2:从所述待选学生库中随机的选取一个学生的性格特点,送入训练好的有监督学习模型中作为输入,输出得到宿舍的初始等级,并将该步骤所述选取的学生放入所述备选学生存放区;
S4-3:再次从所述待选学生库中随机的选取一个学生的性格特点,和已经选取的学生的性格特点同时送入,送入训练好的有监督学习模型中作为输入,输出得到宿舍的更新等级;
S4-4:将所述更新等级和所述初始等级进行对比,当所述更新等级不小于所述初始等级的时候,将步骤S4-3中所选取的学生放入所述备选学生存放区,并重复步骤S4-3,直至所述备选学生存放区中存满,当所述更新等级小于所述初始等级的时候,更换步骤S4-3中所选取的学生,并重新进行步骤S4-3;
S4-5:当所述备选学生存放区中存满的时候,输出所述更新等级作为所述宿舍的等级。
更进一步,所述步骤S6从存满的所述备选学生存放区中获取每一个宿舍所划分的学生的姓名学号。
本发明提供的一种基于大数据的智慧校园学生宿舍分配方法,具有如下有益效果:
1、本发明通过前期对学生的特点进行统计,建立模型,并根据已有的和谐的宿舍中的各个学生的特点对模型进行训练,最后在对学生宿舍划分的时候,将待划分宿舍的学生的特点放入训练好的模型中,得到宿舍的预测等级,并根据宿舍的预测等级对学生进行宿舍的划分,使得校园的每一个宿舍的整体和谐程度增加,从而使得校园环境更加的和谐美好;
2、本发明使用向量的方式表示学生的特点,每一个向量中包括多个参数,这样就可以使得所反映的学生的特点更加的全面,所得到的宿舍的分配方案的和谐程度也会增加;
3、本发明在对宿舍进行分配的时候,向模型中依次输入学生的特点,每次的输入增加一个学生,每一次的输入得到一次宿舍的等级,使得输出的宿舍等级不低于之前的宿舍等级,才能输入下一个学生的特点,直至学生的数量与宿舍的人数相吻合,这样就可以有效的在对学生进行宿舍分配的时候,提升数据的使用效率,提升运算速度。
附图说明
图1为本发明的整体流程示意框图;
图2为本发明在对宿舍进行分配时候的整体流程示意框图。
具体实施方式
下面结合附图,对本发明的多个具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
具体的,如图1-2所示,本发明实施例提供了一种基于大数据的智慧校园学生宿舍分配方法,包括如下步骤,具体的步骤S1~步骤S6:
S1:收集每一个宿舍的等级以及每一个宿舍中每一个学生的性格特点;
上述步骤中,本发明的宿舍等级是学校根据目前每一个宿舍的评比结果得到的一个等级参数,各个宿舍中每一个学生的性格特点可以采取测试的方式,例如一些性格测试题,本发明在下述提供了一种可以使用数组对性格特点进行表示的方式,同时,在本实施例中,可以使用数字标记的方式对学生的性格特点进行标记,也可以说使用字符串的方式对学生的性格特点进行标记。
S2:建立有监督学习模型,将收集的宿舍的等级作为输出,该宿舍所对应每一个学生的性格特点作为输入,对所建立的有监督学习模型进行训练,得到训练好的有监督学习模型;
上述步骤中,根据步骤S1中已经收集到的数据对建立的有监督学习模型进行训练,这样就得到一个训练好的有监督学习模型,这样在后续就可以对该模型进行使用,即是得到了各个学生特点的组合和对应的宿舍等级之间的关系,这样为后续的划分做下了铺垫。
S3:在对宿舍进行划分的时候,分别获取每一个要进行宿舍划分的学生的性格特点,建立待选学生库,所述待选学生库用于存储每一个要进行宿舍划分的学生的姓名学号以及该学生所对应的性格特点;
上述步骤中,将要划分的学生的数据进行采集,并且存储在一起,建立数据库的名称为待选学生库,用于对学生的学生的姓名学号以及该学生所对应的性格特点进行存储,并且提供调用,这里的性格特点的表示方式与上述的一致,从而适应上述的有监督学习模型。
S4:根据宿舍的人数要求从所述待选学生库中随机选取设定数量的学生的性格特点送入训练好的有监督学习模型中作为输入,输出得到宿舍的等级;
上述步骤中,对上述已经训练好的学习模型进行应用,将设定数量的学生的性格特点送入训练好的有监督学习模型中作为输入,得到输出为宿舍的等级,其中设定数量是一个宿舍应该具有的人数,通过随机的方式进行确定,可以使用随机函数,随机的选项设定数量的学生,选取的过程即是从待选学生库中完成数据调用的过程。
S5:将输出的宿舍等级与等级阈值进行对比,当等级不小于设定的阈值的时候,则将所述输入学生的性格特点所对应的学生划分为一个宿舍,并将已经划分宿舍的学生从所述待选学生库中移除,之后重复步骤S4,当等级小于设定的阈值的时候,则重复步骤S4;
上述步骤中,是一个对待选学生库中的数据进行选择性删除的步骤,当随机选出的学生的性格特点所对应的学生划分为一个宿舍的时候,就将这些学生的信息从待选学生库中移除,以免后期的重复划分,否则,将随机选出的学生的性格特点所对应的学生重新放入待选学生库,重新执行步骤S4进行随机的选择和宿舍等级的判定,在决定是否划分宿舍。
S6:将各个宿舍的宿舍号以及每一个宿舍所划分的学生的姓名学号输出并显示。
上述步骤中,是将已经划分的宿舍已经对应的学生的姓名学号进行输出并显示,使得学生知晓划分的结果,一般情况下,使用显示器进行学生的姓名学号以及对应宿舍的输出显示。
在本实施例中,在获取学生的性格特点的时候,通过学生对测试题的作答,得到学生的性格特点。这样就可以使用统一的变量对学生进行测评,这样所得到的学生的性格特点的的标准也会统一,使得后期在对学生的性格特点进行训练的时候,且所得到的结果也就更加的准确,减少误差。
同时,通过向量的方式对学生的性格特点进行表示,令学生i的性格特点ni为ni=(x1,x2,x3,...,xk),其中k为正整数,xk为第k个维度的参数值,所述测试题选取答案输出为k个维度的测试题。例如,分别从能量倾向、信息获得方式、决策方式以及生活风格特征四个维度进行,可以参考链接:https://wenku.baidu.com/view/4a527698daef5ef7ba0d3ca9.html的相关内容,此时k为的最大值为4。
同时,所述有监督学习模型为多层感知机模型或者线性回归模型。也可以为其他的有监督学习模型,在此不进行一一列举。
在本实施例中,在步骤S4中,包括如下步骤,步骤S4-1~步骤S4-5:
S4-1:根据宿舍的人数要求建立备选学生存放区;
上述的备选学生存放区即是一个宿舍要安排的人员的临时存放区,一般的,在缓存中进行。
S4-2:从所述待选学生库中随机的选取一个学生的性格特点,送入训练好的有监督学习模型中作为输入,输出得到宿舍的初始等级,并将该步骤所述选取的学生放入所述备选学生存放区;
上述步骤中,先选择一个学生,得到该学生的性格特点,将该学生的性格特点送入,其余的学生的性格特点,使用0进行输入,这样得到宿舍的初始等级,同时,将该选择的学生放入备选学生存放区。
S4-3:再次从所述待选学生库中随机的选取一个学生的性格特点,和已经选取的学生的性格特点同时送入,送入训练好的有监督学习模型中作为输入,输出得到宿舍的更新等级;
上述步骤中,在选取一个学生的性格特点,和上述的已经放置备选学生存放区的学生的性格特点同时送入模型,其余的学生的性格特点,使用0进行输入,这样得到宿舍的更新等级;
S4-4:将所述更新等级和所述初始等级进行对比,当所述更新等级不小于所述初始等级的时候,将步骤S4-3中所选取的学生放入所述备选学生存放区,并重复步骤S4-3,直至所述备选学生存放区中存满,当所述更新等级小于所述初始等级的时候,更换步骤S4-3中所选取的学生,并重新进行步骤S4-3;
上述步骤中,将更新等级与初始等级进行对比,当所述更新等级不小于所述初始等级的时候,认为刚才执行的步骤S4-3有效,再选择一个学生执行步骤S4-3,否则,认为刚才执行的步骤S4-3无效,重新选择一个学生重新执行步骤S4-3,直至所选择的学生的个数已满,即以满足一个宿舍的人员数量。
S4-5:当所述备选学生存放区中存满的时候,输出所述更新等级作为所述宿舍的等级。
上述步骤中,备选学生存放区中存满的时候,说明所选择的学生的个数已满,即以满足一个宿舍的人员数量,因此,输出所述更新等级作为所述宿舍的等级。
同时,所述步骤S6从存满的所述备选学生存放区中获取每一个宿舍所划分的学生的姓名学号。存满的所述备选学生存放区表示宿舍的人员已经安排分配完成,这样就可以直接获取每一个宿舍所划分的学生的姓名学号,进行显示,从而使得数据传递的更加便捷。
以上公开的仅为本发明的几个具体实施例,但是,本发明实施例并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (5)
1.一种基于大数据的智慧校园学生宿舍分配方法,其特征在于,包括如下步骤:
S1:收集每一个宿舍的等级以及每一个宿舍中每一个学生的性格特点;
S2:建立有监督学习模型,将收集的宿舍的等级作为输出,该宿舍所对应每一个学生的性格特点作为输入,对所建立的有监督学习模型进行训练,得到训练好的有监督学习模型;
S3:在对宿舍进行划分的时候,分别获取每一个要进行宿舍划分的学生的性格特点,建立待选学生库,所述待选学生库用于存储每一个要进行宿舍划分的学生的姓名学号以及该学生所对应的性格特点;
S4:根据宿舍的人数要求从所述待选学生库中随机选取设定数量的学生的性格特点送入训练好的有监督学习模型中作为输入,输出得到宿舍的等级;
S4-1:根据宿舍的人数要求建立备选学生存放区;
S4-2:从所述待选学生库中随机的选取一个学生的性格特点,送入训练好的有监督学习模型中作为输入,输出得到宿舍的初始等级,并将该步骤所述选取的学生放入所述备选学生存放区;
S4-3:再次从所述待选学生库中随机的选取一个学生的性格特点,和已经选取的学生的性格特点同时送入,送入训练好的有监督学习模型中作为输入,输出得到宿舍的更新等级;
S4-4:将所述更新等级和所述初始等级进行对比,当所述更新等级不小于所述初始等级的时候,将步骤S4-3中所选取的学生放入所述备选学生存放区,并重复步骤S4-3,直至所述备选学生存放区中存满,当所述更新等级小于所述初始等级的时候,更换步骤S4-3中所选取的学生,并重新进行步骤S4-3;
S4-5:当所述备选学生存放区中存满的时候,输出所述更新等级作为所述宿舍的等级;
S5:将输出的宿舍等级与等级阈值进行对比,当等级不小于设定的阈值的时候,则将所述输入学生的性格特点所对应的学生划分为一个宿舍,并将已经划分宿舍的学生从所述待选学生库中移除,之后重复步骤S4,当等级小于设定的阈值的时候,则重复步骤S4;
S6:将各个宿舍的宿舍号以及每一个宿舍所划分的学生的姓名学号输出并显示。
2.如权利要求1所述的一种基于大数据的智慧校园学生宿舍分配方法,其特征在于,在获取学生的性格特点的时候,通过学生对测试题的作答,得到学生的性格特点。
3.如权利要求2所述的一种基于大数据的智慧校园学生宿舍分配方法,其特征在于,通过向量的方式对学生的性格特点进行表示,令学生i的性格特点ni为ni=(x1,x2,x3,...,xk),其中k为正整数,xk为第k个维度的参数值,所述测试题选取答案输出为k个维度的测试题。
4.如权利要求3所述的一种基于大数据的智慧校园学生宿舍分配方法,其特征在于,所述有监督学习模型为多层感知机模型或者线性回归模型。
5.如权利要求1所述的一种基于大数据的智慧校园学生宿舍分配方法,其特征在于,所述步骤S6从存满的所述备选学生存放区中获取每一个宿舍所划分的学生的姓名学号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110113992.9A CN112734296B (zh) | 2021-01-27 | 2021-01-27 | 一种基于大数据的智慧校园学生宿舍分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110113992.9A CN112734296B (zh) | 2021-01-27 | 2021-01-27 | 一种基于大数据的智慧校园学生宿舍分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112734296A CN112734296A (zh) | 2021-04-30 |
CN112734296B true CN112734296B (zh) | 2021-11-16 |
Family
ID=75594211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110113992.9A Expired - Fee Related CN112734296B (zh) | 2021-01-27 | 2021-01-27 | 一种基于大数据的智慧校园学生宿舍分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112734296B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113506041A (zh) * | 2021-08-06 | 2021-10-15 | 上海中通吉网络技术有限公司 | 员工宿舍的自动分配方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107895223A (zh) * | 2017-10-30 | 2018-04-10 | 广州市勤思网络科技有限公司 | 基于大数据的学生宿舍分配方法及系统 |
CN109118068A (zh) * | 2018-07-27 | 2019-01-01 | 齐鲁工业大学 | 一种宿舍智能分配方法及系统 |
CN112085262A (zh) * | 2020-08-24 | 2020-12-15 | 辽宁石油化工大学 | 一种基于机器学习算法的大学生寝室调配方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10354206B2 (en) * | 2014-10-02 | 2019-07-16 | Airbnb, Inc. | Determining host preferences for accommodation listings |
-
2021
- 2021-01-27 CN CN202110113992.9A patent/CN112734296B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107895223A (zh) * | 2017-10-30 | 2018-04-10 | 广州市勤思网络科技有限公司 | 基于大数据的学生宿舍分配方法及系统 |
CN109118068A (zh) * | 2018-07-27 | 2019-01-01 | 齐鲁工业大学 | 一种宿舍智能分配方法及系统 |
CN112085262A (zh) * | 2020-08-24 | 2020-12-15 | 辽宁石油化工大学 | 一种基于机器学习算法的大学生寝室调配方法 |
Non-Patent Citations (1)
Title |
---|
半监督聚类在学生寝室分配问题中的应用和基于贝叶斯统计改进的研究;杨阳;《中国优秀硕士学位论文全文数据库(电子期刊)》;20190131;第3-17页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112734296A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104239499B (zh) | 一种基于大数据的高考志愿智能推荐的方法及装置 | |
CN110472779A (zh) | 一种基于时间卷积网络的电力系统短期负荷预测方法 | |
CN110473123A (zh) | 一种多元智能教育方法及系统 | |
CN106779079A (zh) | 一种基于多模型数据驱动的知识点掌握状态的预测系统及方法 | |
CN108256102A (zh) | 一种基于聚类的独立学院学生评教数据分析方法 | |
CN110610447A (zh) | 一种智慧养老系统及预测护理方案方法 | |
CN112734296B (zh) | 一种基于大数据的智慧校园学生宿舍分配方法 | |
CN113808698A (zh) | 计算机化社会适应训练方法及系统 | |
CN109754122A (zh) | 一种基于随机森林特征提取的bp神经网络的数值预测方法 | |
KR101041672B1 (ko) | 지능형 맞춤화된 학습서비스 방법 | |
CN110232498A (zh) | 员工潜能分析方法、装置、设备及计算机可读存储介质 | |
Nelissen | Household and education projections by means of a microsimulation model | |
CN114490918A (zh) | 基于动态学习模型的动态知识图谱搭建系统、方法及应用 | |
Mioduser et al. | The effect of alternative approaches to design instruction (structural or functional) on students’ mental models of technological design processes | |
US20120329028A1 (en) | Method for intelligent personalized learning service | |
CN114864051A (zh) | 一种基于神经网络的认知提升方法及系统 | |
CN108805762A (zh) | 教学分析方法、服务器及计算机可读存储介质 | |
CN112214688A (zh) | 选修课的推荐方法、装置和服务器 | |
CN109635869A (zh) | 在线学习干预系统 | |
CN113506629B (zh) | 一种症状自评量表简化及结果预测方法与系统 | |
CN115562492A (zh) | 一种基于虚拟现实和眼动的认知评估训练方法及系统 | |
CN113763767A (zh) | 学习试题推送方法、装置、计算机设备和存储介质 | |
CN113688226A (zh) | 基于大数据的习题练习方法、系统及存储介质 | |
CN110427234A (zh) | 页面的展示方法及装置 | |
CN113361912A (zh) | 一种基于强化学习的服务任务调度方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211116 |
|
CF01 | Termination of patent right due to non-payment of annual fee |