一种基于深度学习的学生异常行为分析方法
基本信息
| 申请号 | CN202011123849.X | 申请日 | - |
| 公开（公告）号 | CN112256755A | 公开（公告）日 | 2021-01-22 |
| 申请公布号 | CN112256755A | 申请公布日 | 2021-01-22 |
| 分类号 | G06F16/2458;G06F16/215;G06F16/25;G06K9/62;G06Q50/20 | 分类 | 计算；推算；计数; |
| 发明人 | 潘超;杨鹏;刘磊;范宏城;吴欣羽 | 申请（专利权）人 | 中电科新型智慧城市研究院有限公司福州分公司 |
| 代理机构 | 南京聚匠知识产权代理有限公司 | 代理人 | 刘囝 |
| 地址 | 350000 福建省福州市仓山区潘墩路190号北斗小镇9层 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的学生异常行为分析方法，包括：先采集学生在校消费、生活和学习方面的相关数据，并对数据进行预处理；再通过分析数据的可用性和评价学生在校行为，构建学生画像特征库，通过不同的指标刻画学生的行为特征，并根据采集到的数据量化进行指标量化；根据行为特征构建基于wide&deep神经网络的异常行为预测模型；结合异常行为预测模型进行预测分析学生的异常行为。本发明能够高效地处理不同数据的融合，并行化程序高，系统稳定；同时，预测模型能够同时学习低阶和高阶组合特征，它混合了一个线性模型和Deep模型，可以更快的训练，以及更精确的训练学习，能够准确地对异常学生进行预测。 |
