CN117196909B - 一种基于自定义分类的高校排课方法、系统、设备及介质 - Google Patents
一种基于自定义分类的高校排课方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117196909B CN117196909B CN202311454639.2A CN202311454639A CN117196909B CN 117196909 B CN117196909 B CN 117196909B CN 202311454639 A CN202311454639 A CN 202311454639A CN 117196909 B CN117196909 B CN 117196909B
- Authority
- CN
- China
- Prior art keywords
- class
- classification
- data set
- value
- distance
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims abstract description 37
- 238000004891 communication Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Abstract
本发明公开了一种基于自定义分类的高校排课方法、系统、设备及介质,本方法通过将课堂数据集合中数据类型为字典的数据转化为数字,得到第一课堂数据集合;根据预设分类数和干预字段系数,计算每个预设分类与第一课堂数据集合中每条课堂记录之间的距离,并根据距离将第一课堂数据集合进行分类,得到多个第一分类;计算每个第一分类的均值距离值,并根据均值距离值计算得到最适分类数;将课堂数据集合根据最适分类数进行分类,得到多个第二分类;根据排序计算权重字段系数,计算多个第二分类的排课优先级,得到多个第二分类的优先顺序;根据优先顺序和排整率阈值对待排课堂进行排课。本发明能够提高排课满意度和排课效率,并降低时间成本。
Description
技术领域
本发明涉及高校排课技术领域,尤其是涉及一种基于自定义分类的高校排课方法、系统、设备及介质。
背景技术
随着高校办学规模的不断扩大,学生人数、课程人数和任课教师人数越来越多,个性化的排课要求也越来越高,对自动排课的要求也越来越高。传统的自动排课方法是对所有待排数据一起编排,并没有考虑学校课堂数据实际情况。学校在使用过程中通常要分几批,先排大课,再排通识课,最后排专业课等,需要人工去分辨课堂所属分类,人工分批排课,人工干预排整率。因此,传统的自动排课方法需要人工干预,排课效率低、时间成本高并且传统的自动排课方法的满意度也不高。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种基于自定义分类的高校排课方法、系统、设备及介质,能够提高排课满意度和排课效率,并降低时间成本。
第一方面,本发明实施例提供了一种基于自定义分类的高校排课方法,所述基于自定义分类的高校排课方法包括:
构造课堂数据集合、干预字段系数和排序计算权重字段系数,并预设分类数和排整率阈值;
将所述课堂数据集合中数据类型为字典的数据转化为数字,得到第一课堂数据集合;
根据所述预设分类数和所述干预字段系数,计算每个所述预设分类与所述第一课堂数据集合中每条课堂记录之间的距离,并根据所述距离将所述第一课堂数据集合进行分类,得到多个第一分类;
计算每个所述第一分类的均值距离值,并根据所述均值距离值计算得到最适分类数;
将所述课堂数据集合根据所述最适分类数进行分类,得到多个第二分类;
根据所述排序计算权重字段系数,计算所述多个第二分类的排课优先级,得到所述多个第二分类的优先顺序;
根据所述优先顺序和所述排整率阈值对待排课堂进行排课。
与现有技术相比,本发明第一方面具有以下有益效果:
由于预设分类数不一定是最合适的,本方法通过计算每个预设分类与第一课堂数据集合中每条课堂记录之间的距离,并根据距离将第一课堂数据集合进行分类,然后计算每个第一分类的均值距离值,并根据均值距离值,能够得到最适分类数;将课堂数据集合根据最适分类数进行分类,得到多个第二分类,能够将课堂数据集合划分为最佳分类;根据排序计算权重字段系数,计算多个第二分类的排课优先级,得到多个第二分类的优先顺序,根据优先顺序和排整率阈值对待排课堂进行排课,由于将课堂数据集合划分为最佳分类后,采用排整率阈值和优先顺序进行排课能够实现全自动化,提高排课满意度和排课效率,并降低了时间成本。
根据本发明的一些实施例,所述根据所述预设分类数和所述干预字段系数,计算每个所述预设分类与所述第一课堂数据集合中每条课堂记录之间的距离,并根据所述距离将所述第一课堂数据集合进行分类,得到多个第一分类,包括:
根据所述预设分类数,随机选取多个分类值;
根据所述干预字段系数和所述分类值,计算每个预设分类与所述第一课堂数据集合中每条记录之间的距离,得到多个距离;
将所述第一课堂数据集合中邻近每个所述距离的数据作为一类,得到多个第一分类。
根据本发明的一些实施例,通过如下方式计算每个预设分类与所述第一课堂数据集合中每条课堂记录之间的距离:
其中,表示所述课堂数据集合中的第/>条课堂记录,/>表示所述预设分类数中的第/>个分类对应的分类值,/>表示所述课堂数据集合中的所有字段数,/>表示第/>条课堂记录中的第/>个字段,/>表示第/>个分类中的第/>个字段,/>表示所述干预字段系数中的所有系数个数,/>表示根据第一预设条件要求进行计算,/>表示所述干预字段系数中的第/>个系数。
根据本发明的一些实施例,通过如下方式计算每个所述第一分类的均值距离值:
其中,表示每个第一分类的均值距离值,/>表示所述课堂数据集合中的一个字段,/>表示每个第一分类中的所有课堂。
根据本发明的一些实施例,所述根据所述均值距离值计算得到最适分类数,包括:
判断所述均值距离值是否低于阈值或为稳定数值,若所述均值距离值低于阈值或为稳定数值,则将当前选择的预设分类数作为最适分类数;
若所述均值距离值高于或等于阈值或不为稳定数值,则循环计算每个所述预设分类与所述第一课堂数据集合中每条记录之间的距离,并根据所述距离将所述第一课堂数据集合进行分类,直到所述均值距离值低于阈值或为稳定数值。
根据本发明的一些实施例,通过如下方式计算所述多个第二分类的排课优先级:
其中,表示所述多个第二分类的排课优先级值,/>表示所述排序计算权重字段系数的个数,/>表示第/>个排序计算权重字段系数,/>表示第/>个第二分类下的所有课堂记录,/>表示根据第二预设条件要求进行计算。
根据本发明的一些实施例,所述根据所述优先顺序和所述排整率阈值对待排课堂进行排课,包括:
根据所述优先顺序对所述待排课堂进行排课,得到排课后的课堂;
采用硬性约束条件对所述排课后的课堂进行冲突检查,对符合所述硬性约束条件的课堂打上成功排课标志;
对每一个成功排课的课堂计算排整率,当排整率超过所述排整率阈值时停止排课。
第二方面,本发明实施例还提供了一种基于自定义分类的高校排课系统,所述基于自定义分类的高校排课系统包括:
数据构造单元,用于构造课堂数据集合、干预字段系数和排序计算权重字段系数,并预设分类数和排整率阈值;
数据转化单元,用于将所述课堂数据集合中数据类型为字典的数据转化为数字,得到第一课堂数据集合;
第一计算单元,用于根据所述预设分类数和所述干预字段系数,计算每个所述预设分类与所述第一课堂数据集合中每条课堂记录之间的距离,并根据所述距离将所述第一课堂数据集合进行分类,得到多个第一分类;
第二计算单元,用于计算每个所述第一分类的均值距离值,并根据所述均值距离值计算得到最适分类数;
数据分类单元,用于将所述课堂数据集合根据所述最适分类数进行分类,得到多个第二分类;
第三计算单元,用于根据所述排序计算权重字段系数,计算所述多个第二分类的排课优先级,得到所述多个第二分类的优先顺序;
课堂排课单元,用于根据所述优先顺序和所述排整率阈值对待排课堂进行排课。
第三方面,本发明实施例还提供了一种基于自定义分类的高校排课设备,包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行如上所述的一种基于自定义分类的高校排课方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如上所述的一种基于自定义分类的高校排课方法。
可以理解的是,上述第二方面至第四方面与相关技术相比存在的有益效果与上述第一方面与相关技术相比存在的有益效果相同,可以参见上述第一方面中的相关描述,在此不再赘述。
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是本发明一实施例的一种基于自定义分类的高校排课方法的流程图;
图2是本发明另一实施例的基于自定义分类的高校排课方法的流程图;
图3是本发明一实施例的一种基于自定义分类的高校排课系统的结构图;
图4是本发明一实施例的一种电子设备的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,如果有描述到第一、第二等只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
本发明的描述中,需要说明的是,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
随着高校办学规模的不断扩大,学生人数、课程人数和任课教师人数越来越多,个性化的排课要求也越来越高,对自动排课的要求也越来越高。传统的自动排课方法是对所有待排数据一起编排,并没有考虑学校课堂数据实际情况。学校在使用过程中通常要分几批,先排大课,再排通识课,最后排专业课等,需要人工去分辨课堂所属分类,人工分批排课,人工干预排整率。因此,传统的自动排课方法需要人工干预,排课效率低、时间成本高并且传统的自动排课方法的满意度也不高。
为解决上述问题,本发明通过计算每个预设分类与第一课堂数据集合中每条课堂记录之间的距离,并根据距离将第一课堂数据集合进行分类,然后计算每个第一分类的均值距离值,并根据均值距离值,能够得到最适分类数;将课堂数据集合根据最适分类数进行分类,得到多个第二分类,能够将课堂数据集合划分为最佳分类;根据排序计算权重字段系数,计算多个第二分类的排课优先级,得到多个第二分类的优先顺序,根据优先顺序和排整率阈值对待排课堂进行排课,由于将课堂数据集合划分为最佳分类后,采用排整率阈值和优先顺序进行排课能够实现全自动化,提高排课满意度和排课效率,并降低了时间成本。
参照图1,本发明实施例提供了一种基于自定义分类的高校排课方法,本基于自定义分类的高校排课方法包括但不限于步骤S100至步骤S700,其中:
步骤S100、构造课堂数据集合、干预字段系数和排序计算权重字段系数,并预设分类数和排整率阈值;
步骤S200、将课堂数据集合中数据类型为字典的数据转化为数字,得到第一课堂数据集合;
步骤S300、根据预设分类数和干预字段系数,计算每个预设分类与第一课堂数据集合中每条课堂记录之间的距离,并根据距离将第一课堂数据集合进行分类,得到多个第一分类;
步骤S400、计算每个第一分类的均值距离值,并根据均值距离值计算得到最适分类数;
步骤S500、将课堂数据集合根据最适分类数进行分类,得到多个第二分类;
步骤S600、根据排序计算权重字段系数,计算多个第二分类的排课优先级,得到多个第二分类的优先顺序;
步骤S700、根据优先顺序和排整率阈值对待排课堂进行排课。
在本实施例中,为了得到最适分类数,本实施例通过构造课堂数据集合、干预字段系数和排序计算权重字段系数,并预设分类数和排整率阈值,将课堂数据集合中数据类型为字典的数据转化为数字,得到第一课堂数据集合,根据预设分类数和干预字段系数,计算每个预设分类与第一课堂数据集合中每条课堂记录之间的距离,并根据距离将第一课堂数据集合进行分类,得到多个第一分类,计算每个第一分类的均值距离值,并根据均值距离值计算得到最适分类数;为了能够实现全自动化,提高排课满意度和排课效率,本实施例通过将课堂数据集合根据最适分类数进行分类,得到多个第二分类,根据排序计算权重字段系数,计算多个第二分类的排课优先级,得到多个第二分类的优先顺序,根据优先顺序和排整率阈值对待排课堂进行排课。
在一些实施例中,根据预设分类数和干预字段系数,计算每个预设分类与第一课堂数据集合中每条课堂记录之间的距离,并根据距离将第一课堂数据集合进行分类,得到多个第一分类,包括:
根据预设分类数,随机选取多个分类值;
根据干预字段系数和分类值,计算每个预设分类与第一课堂数据集合中每条记录之间的距离,得到多个距离;
将第一课堂数据集合中邻近每个距离的数据作为一类,得到多个第一分类。
在本实施例中,通过将第一课堂数据集合进行自动分类,能够实现自动化,并且根据分类后数据进行排课能够提高排课效率。
在一些实施例中,通过如下方式计算每个预设分类与第一课堂数据集合中每条课堂记录之间的距离:
其中,表示课堂数据集合中的第/>条课堂记录,/>表示预设分类数中的第/>个分类对应的分类值,/>表示课堂数据集合中的所有字段数,/>表示第/>条课堂记录中的第/>个字段,/>表示第/>个分类中的第/>个字段,/>表示干预字段系数中的所有系数个数,表示根据第一预设条件要求进行计算,/>表示干预字段系数中的第/>个系数。
在一些实施例中,通过如下方式计算每个第一分类的均值距离值:
其中,表示每个第一分类的均值距离值,/>表示课堂数据集合中的一个字段,/>表示每个第一分类中的所有课堂。
在一些实施例中,根据均值距离值计算得到最适分类数,包括:
判断均值距离值是否低于阈值或为稳定数值,若均值距离值低于阈值或为稳定数值,则将当前选择的预设分类数作为最适分类数;
若均值距离值高于或等于阈值或不为稳定数值,则循环计算每个预设分类与第一课堂数据集合中每条记录之间的距离,并根据距离将第一课堂数据集合进行分类,直到均值距离值低于阈值或为稳定数值。
在本实施例中,根据均值距离值,能够得到最适分类数,根据最适分类数能够更好的将课堂数据集合进行分类,得到最佳分类,以提高排课效率和排课质量。
在一些实施例中,通过如下方式计算多个第二分类的排课优先级:
其中,表示多个第二分类的排课优先级值,/>表示排序计算权重字段系数的个数,/>表示第/>个排序计算权重字段系数,/>表示第/>个第二分类下的所有课堂记录,/>表示根据第二预设条件要求进行计算。
在本实施例中,通过将分类进行优先级排序,能够进一步提高排课效率。
在一些实施例中,根据优先顺序和排整率阈值对待排课堂进行排课,包括:
根据优先顺序对待排课堂进行排课,得到排课后的课堂;
采用硬性约束条件对排课后的课堂进行冲突检查,对符合硬性约束条件的课堂打上成功排课标志;
对每一个成功排课的课堂计算排整率,当排整率超过排整率阈值时停止排课。
在本实施例中,采用排整率阈值和优先顺序进行排课能够实现全自动化,提高排课满意度和排课效率,并降低了时间成本。
为方便本领域人员理解,以下提供一组最佳实施例:
本实施例首先采用自定义分类方法对课堂数据自动分批,然后根据自定义顺序计算模型,自动顺序排课,达不到排整率阈值时自动停止,实现了排课的全自动化。参照图2,本实施例具体包括如下步骤:
1、参数定义。
构造课堂数据集合P1,课堂数据集合包含字段[课堂编号,课程名称,授课教师,课程大类,课程属性,上课人数,分类编码];构造分类数P2,其默认值为4;构造干预字段系数P3,干预字段系数包含字段[字段与条件,系数值],默认值[课堂人数>(X1),0.001;课程大类=(X2),0.001],其中,X1默认值为150,X2默认值为通识课;构造排序计算权重字段系数P4,包含字段[字段与条件,系数值],默认值[分类总人数>(F1),0.3;课程大类=(F2),0.2,课程属性=(F3),0.1],其中F1默认值取800,F2默认值为通识课,F3默认值为必修课;构造排整率阈值P5,其默认值为80%。
2、自定义分类模型。
对于课堂数据集合中数据类型为字典的进行处理,即按占百分比计算为数字。根据分类数P2进行分类,首先初始化P2个分类点,然后逐个计算P1中每条记录与P2之间的距离,分类计算函数如下:
其中,表示课堂数据集合中的第/>条课堂记录,/>表示预设分类数中的第/>个分类对应的分类值,/>表示课堂数据集合中的所有字段数,/>表示第/>条课堂记录中的第/>个字段,/>表示第/>个分类中的第/>个字段,/>表示干预字段系数中的所有系数个数,表示根据第一预设条件要求进行计算,/>表示干预字段系数中的第/>个系数。
通过上述公式计算距离,然后根据距离进行分类后,由于上述初始化的P2个分类未必是最合适的,需再次计算各分类集合的均值距离,找到更适合的分类点。若均值距离值高于或等于阈值或不为稳定数值,则循环计算每个预设分类与第一课堂数据集合中每条记录之间的距离,并根据距离将第一课堂数据集合进行分类,直到均值距离值低于阈值或为稳定数值。其中,均值距离计算函数如下:
其中,表示每个第一分类的均值距离值,/>表示课堂数据集合中的一个字段,/>表示每个第一分类中的所有课堂。
通过上述自定义分类模型,最终把课堂数据集合划分为P2个分类,并更新所有课堂数据集合P1的分类编码字段。
3、自定义顺序计算模型。
根据P4定义,通过以下函数计算分类排课的优先级。公式如下:
其中,表示多个第二分类的排课优先级值,/>表示排序计算权重字段系数的个数,/>表示第/>个排序计算权重字段系数,/>表示第/>个第二分类下的所有课堂记录,/>表示根据第二预设条件要求进行计算。
通过上述公式的计算,可以得到所有分类的优先顺序。
4、检查排整率。
对于待排课堂记录,根据分类和分类优先级,逐级顺序进行自动排课;对排课后的课堂数据进行常规的硬性冲突检查,符合硬性约束条件的课堂则表示安排成功,将课堂打上成功排课标志。每安排完成一条课堂,检查排整率阈值是否超出(排整率=成功记录数/总记录数),超出则自动停止排课。
需要说明的是,本实施例中的阈值、默认值和阈值设置可根据实际情况进行更改,本实施例不做具体限定。
在本实施例中,一是贴合学校实际排课的过程,排课效果质量高;二是过程全自动化,提升使用者的满意度。经过在高校试运行本实施例方法,相对于其他传统排课模型,在同等环境条件与规模下的,本实施例方法排课时间大大缩短,满意度有质的提升。
参照图3,本发明实施例还提供了一种基于自定义分类的高校排课系统,本基于自定义分类的高校排课系统包括数据构造单元100、数据转化单元200、第一计算单元300、第二计算单元400、数据分类单元500、第三计算单元600和课堂排课单元700,其中:
数据构造单元100,用于构造课堂数据集合、干预字段系数和排序计算权重字段系数,并预设分类数和排整率阈值;
数据转化单元200,用于将课堂数据集合中数据类型为字典的数据转化为数字,得到第一课堂数据集合;
第一计算单元300,用于根据预设分类数和干预字段系数,计算每个预设分类与第一课堂数据集合中每条课堂记录之间的距离,并根据距离将第一课堂数据集合进行分类,得到多个第一分类;
第二计算单元400,用于计算每个第一分类的均值距离值,并根据均值距离值计算得到最适分类数;
数据分类单元500,用于将课堂数据集合根据最适分类数进行分类,得到多个第二分类;
第三计算单元600,用于根据排序计算权重字段系数,计算多个第二分类的排课优先级,得到多个第二分类的优先顺序;
课堂排课单元700,用于根据优先顺序和排整率阈值对待排课堂进行排课。
需要说明的是,由于本实施例中的一种基于自定义分类的高校排课系统与上述的一种基于自定义分类的高校排课方法基于相同的发明构思,因此,方法实施例中的相应内容同样适用于本系统实施例,此处不再详述。
参照图4,本申请实施例还提供了一种基于自定义分类的高校排课设备,本基于自定义分类的高校排课设备包括:
至少一个存储器;
至少一个处理器;
至少一个程序;
程序被存储在存储器中,处理器执行至少一个程序以实现本公开实施上述的基于自定义分类的高校排课方法。
该电子设备可以为包括手机、平板电脑、个人数字助理(PersonalDigitalAssistant,PDA)、车载电脑等任意智能终端。
下面对本申请实施例的电子设备进行详细介绍。
处理器1600,可以采用通用的中央处理器(CentralProcessingUnit,CPU)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本公开实施例所提供的技术方案;
存储器1700,可以采用只读存储器(ReadOnlyMemory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory,RAM)等形式实现。存储器1700可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1700中,并由处理器1600来调用执行本公开实施例的基于自定义分类的高校排课方法。
输入/输出接口1800,用于实现信息输入及输出;
通信接口1900,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;
总线2000,在设备的各个组件(例如处理器1600、存储器1700、输入/输出接口1800和通信接口1900)之间传输信息;
其中处理器1600、存储器1700、输入/输出接口1800和通信接口1900通过总线2000实现彼此之间在设备内部的通信连接。
本公开实施例还提供了一种存储介质,该存储介质是计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令用于使计算机执行上述基于自定义分类的高校排课方法。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本公开实施例描述的实施例是为了更加清楚的说明本公开实施例的技术方案,并不构成对于本公开实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本公开实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图中示出的技术方案并不构成对本公开实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括多指令用以使得一台电子设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(RandomAccessMemory,RAM)、磁碟或者光盘等各种可以存储程序的介质。上面结合附图对本申请实施例作了详细说明,但本申请不限于上述实施例,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本申请宗旨的前提下作出各种变化。
Claims (9)
1.一种基于自定义分类的高校排课方法,其特征在于,所述基于自定义分类的高校排课方法包括:
构造课堂数据集合、干预字段系数和排序计算权重字段系数,并预设分类数和排整率阈值;
将所述课堂数据集合中数据类型为字典的数据转化为数字,得到第一课堂数据集合;
根据所述预设分类数和所述干预字段系数,计算每个所述预设分类与所述第一课堂数据集合中每条课堂记录之间的距离,并根据所述距离将所述第一课堂数据集合进行分类,得到多个第一分类;
计算每个所述第一分类的均值距离值,并根据所述均值距离值计算得到最适分类数;其中:
判断所述均值距离值是否低于阈值或为稳定数值,若所述均值距离值低于阈值或为稳定数值,则将当前选择的预设分类数作为最适分类数;
若所述均值距离值高于或等于阈值或不为稳定数值,则循环计算每个所述预设分类与所述第一课堂数据集合中每条记录之间的距离,并根据所述距离将所述第一课堂数据集合进行分类,直到所述均值距离值低于阈值或为稳定数值;
将所述课堂数据集合根据所述最适分类数进行分类,得到多个第二分类;
根据所述排序计算权重字段系数,计算所述多个第二分类的排课优先级,得到所述多个第二分类的优先顺序;
根据所述优先顺序和所述排整率阈值对待排课堂进行排课。
2.根据权利要求1所述的基于自定义分类的高校排课方法,其特征在于,所述根据所述预设分类数和所述干预字段系数,计算每个所述预设分类与所述第一课堂数据集合中每条课堂记录之间的距离,并根据所述距离将所述第一课堂数据集合进行分类,得到多个第一分类,包括:
根据所述预设分类数,随机选取多个分类值;
根据所述干预字段系数和所述分类值,计算每个预设分类与所述第一课堂数据集合中每条记录之间的距离,得到多个距离;
将所述第一课堂数据集合中邻近每个所述距离的数据作为一类,得到多个第一分类。
3.根据权利要求2所述的基于自定义分类的高校排课方法,其特征在于,通过如下方式计算每个预设分类与所述第一课堂数据集合中每条课堂记录之间的距离:
,
其中,表示所述课堂数据集合中的第/>条课堂记录,/>表示所述预设分类数中的第个分类对应的分类值,/>表示所述课堂数据集合中的所有字段数,/>表示第/>条课堂记录中的第/>个字段,/>表示第/>个分类中的第/>个字段,/>表示所述干预字段系数中的所有系数个数,/>表示根据第一预设条件要求进行计算,/>表示所述干预字段系数中的第/>个系数。
4.根据权利要求1所述的基于自定义分类的高校排课方法,其特征在于,通过如下方式计算每个所述第一分类的均值距离值:
,
其中,表示每个第一分类的均值距离值,/>表示所述课堂数据集合中的一个字段,/>表示每个第一分类中的所有课堂。
5.根据权利要求1所述的基于自定义分类的高校排课方法,其特征在于,通过如下方式计算所述多个第二分类的排课优先级:
,
其中,表示所述多个第二分类的排课优先级值,/>表示所述排序计算权重字段系数的个数,/>表示第/>个排序计算权重字段系数,/>表示第/>个第二分类下的所有课堂记录,/>表示根据第二预设条件要求进行计算。
6.根据权利要求1所述的基于自定义分类的高校排课方法,其特征在于,所述根据所述优先顺序和所述排整率阈值对待排课堂进行排课,包括:
根据所述优先顺序对所述待排课堂进行排课,得到排课后的课堂;
采用硬性约束条件对所述排课后的课堂进行冲突检查,对符合所述硬性约束条件的课堂打上成功排课标志;
对每一个成功排课的课堂计算排整率,当排整率超过所述排整率阈值时停止排课。
7.一种基于自定义分类的高校排课系统,其特征在于,所述基于自定义分类的高校排课系统包括:
数据构造单元,用于构造课堂数据集合、干预字段系数和排序计算权重字段系数,并预设分类数和排整率阈值;
数据转化单元,用于将所述课堂数据集合中数据类型为字典的数据转化为数字,得到第一课堂数据集合;
第一计算单元,用于根据所述预设分类数和所述干预字段系数,计算每个所述预设分类与所述第一课堂数据集合中每条课堂记录之间的距离,并根据所述距离将所述第一课堂数据集合进行分类,得到多个第一分类;
第二计算单元,用于计算每个所述第一分类的均值距离值,并根据所述均值距离值计算得到最适分类数;其中:
判断所述均值距离值是否低于阈值或为稳定数值,若所述均值距离值低于阈值或为稳定数值,则将当前选择的预设分类数作为最适分类数;
若所述均值距离值高于或等于阈值或不为稳定数值,则循环计算每个所述预设分类与所述第一课堂数据集合中每条记录之间的距离,并根据所述距离将所述第一课堂数据集合进行分类,直到所述均值距离值低于阈值或为稳定数值;
数据分类单元,用于将所述课堂数据集合根据所述最适分类数进行分类,得到多个第二分类;
第三计算单元,用于根据所述排序计算权重字段系数,计算所述多个第二分类的排课优先级,得到所述多个第二分类的优先顺序;
课堂排课单元,用于根据所述优先顺序和所述排整率阈值对待排课堂进行排课。
8.一种基于自定义分类的高校排课设备,其特征在于,包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行如权利要求1至6任一项所述的基于自定义分类的高校排课方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至6任一项所述的基于自定义分类的高校排课方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311454639.2A CN117196909B (zh) | 2023-11-03 | 2023-11-03 | 一种基于自定义分类的高校排课方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311454639.2A CN117196909B (zh) | 2023-11-03 | 2023-11-03 | 一种基于自定义分类的高校排课方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117196909A CN117196909A (zh) | 2023-12-08 |
CN117196909B true CN117196909B (zh) | 2024-04-05 |
Family
ID=89003783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311454639.2A Active CN117196909B (zh) | 2023-11-03 | 2023-11-03 | 一种基于自定义分类的高校排课方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117196909B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008209698A (ja) * | 2007-02-27 | 2008-09-11 | Nippon Telegr & Teleph Corp <Ntt> | 適応モデル学習方法とその装置、それを用いた音声認識用音響モデル作成方法とその装置、及び音響モデルを用いた音声認識方法とその装置、及びそれら装置のプログラムと、それらプログラムの記憶媒体 |
WO2011049037A1 (ja) * | 2009-10-19 | 2011-04-28 | 日本電気株式会社 | 情報推薦システム、方法、及び、プログラム |
CN106846193A (zh) * | 2016-12-26 | 2017-06-13 | 河南工业大学 | 约束粒度可控的排课方法及系统 |
CN107274077A (zh) * | 2017-05-31 | 2017-10-20 | 清华大学 | 课程先后序计算方法和设备 |
CN109961226A (zh) * | 2019-03-22 | 2019-07-02 | 深圳市倍思教育科技有限公司 | 排课方法、装置、计算机设备和存储介质 |
CN114626694A (zh) * | 2022-02-24 | 2022-06-14 | 深圳市华师兄弟教育科技有限公司 | 一种基于互联网的网络课程规划管理系统 |
CN116957874A (zh) * | 2023-09-21 | 2023-10-27 | 湖南强智科技发展有限公司 | 一种智能高校自动排课方法、系统、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109698920B (zh) * | 2017-10-20 | 2020-07-24 | 深圳市鹰硕技术有限公司 | 一种基于互联网教学平台的跟随教学系统 |
-
2023
- 2023-11-03 CN CN202311454639.2A patent/CN117196909B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008209698A (ja) * | 2007-02-27 | 2008-09-11 | Nippon Telegr & Teleph Corp <Ntt> | 適応モデル学習方法とその装置、それを用いた音声認識用音響モデル作成方法とその装置、及び音響モデルを用いた音声認識方法とその装置、及びそれら装置のプログラムと、それらプログラムの記憶媒体 |
WO2011049037A1 (ja) * | 2009-10-19 | 2011-04-28 | 日本電気株式会社 | 情報推薦システム、方法、及び、プログラム |
CN106846193A (zh) * | 2016-12-26 | 2017-06-13 | 河南工业大学 | 约束粒度可控的排课方法及系统 |
CN107274077A (zh) * | 2017-05-31 | 2017-10-20 | 清华大学 | 课程先后序计算方法和设备 |
CN109961226A (zh) * | 2019-03-22 | 2019-07-02 | 深圳市倍思教育科技有限公司 | 排课方法、装置、计算机设备和存储介质 |
CN114626694A (zh) * | 2022-02-24 | 2022-06-14 | 深圳市华师兄弟教育科技有限公司 | 一种基于互联网的网络课程规划管理系统 |
CN116957874A (zh) * | 2023-09-21 | 2023-10-27 | 湖南强智科技发展有限公司 | 一种智能高校自动排课方法、系统、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于遗传算法的排课系统研究;薄钧戈;苏红旗;;科技资讯(19);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117196909A (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116957874B (zh) | 一种智能高校自动排课方法、系统、设备及存储介质 | |
CN110377804A (zh) | 培训课程数据的推送方法、装置、系统及存储介质 | |
CN104126190A (zh) | 基于知识单元提供教育服务的方法、系统和计算机可读记录介质 | |
CN109165799A (zh) | 基于遗传算法的走班教学排课系统 | |
TWI670628B (zh) | 動作評量模型生成裝置及其動作評量模型生成方法 | |
CN109214448A (zh) | 非绩优人员培训方法、系统、终端及计算机可读存储介质 | |
CN116843525B (zh) | 一种智能自动排课方法、系统、设备及存储介质 | |
CN117196909B (zh) | 一种基于自定义分类的高校排课方法、系统、设备及介质 | |
CN108334353A (zh) | 技能开发系统及方法 | |
CN113706115A (zh) | 一种邮件处理方法、装置及存储介质 | |
CN109951330B (zh) | 一种自动识别设备类型的管理方法及通讯管理机 | |
CN112017080A (zh) | 一种学习任务的分配控制方法和系统 | |
CN110399612A (zh) | 工业互联网中边缘层的语义转换方法及中间件 | |
CN117172427B (zh) | 一种辅助高校学生选择课堂的方法、系统、设备及介质 | |
CN117196259B (zh) | 一种智能提升高校教学任务安排的方法、系统及设备 | |
CN117236497A (zh) | 一种基于分词方法的自动排课方法、系统、设备及介质 | |
CN117670603A (zh) | 一种智能高校考试自动安排方法、系统、设备及存储介质 | |
CN117171625B (zh) | 工况智能分类方法和装置、电子设备及存储介质 | |
CN116757461B (zh) | 更新电网基建业务节点信息显示方法、装置、设备和介质 | |
CN117499457B (zh) | 一种用于云端管理智能设备的方法及系统 | |
CN116843526B (zh) | 一种提升学生选课概率的方法、系统、设备及存储介质 | |
CN112999615B (zh) | 跑步机控制方法、云端服务器、系统和可读存储介质 | |
KR102564164B1 (ko) | 클러스터링 기반의 구인 구직 매칭 관리 서버 | |
CN117196561A (zh) | 一种课堂选课冲突检查方法、系统、设备及存储介质 | |
CN114677247A (zh) | 一种基于数据驱动的企业学习方法及系统 |
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 |