大型教学系统中的智能大数据关键特征估计方法

• 作者: 王军涛
• 来源期刊: 现代电子技术
• 关键词: 大型教学系统 智能大数据 关键特征 Relief 时间序列估计 累计误差
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 计算机科学与应用
• 页码范围: 83-86
• 页数: 4页
• 分类号: TN911-34|TP301
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2018.12.021

摘要

传统二阶特征估计法在对大数据方差进行估计,预测大型教学系统中的智能大数据关键特征时,存在对多特征的智能大数据关键特征估计效果不明显,估计结果误差累计量大的问题.因此,提出大型教学系统的智能大数据关键特征估计方法,其采用Relief关键特征估计方法获取大数据特征权重,完成智能大数据特征流行学习,通过对特征权重选择后的数据空间进行无监督学习和低维嵌入,实现对多特征的智慧大数据的特征估计.基于大数据关键特征估计结果,采用滚动时间序列估计方法,通过AR(p)模型运算大数据特征的模型阶数,依据该阶数向滚动AR算法引入实时数据,解决大数据特征估计中估计结果不同步造成的累计误差问题,实现智能大数据关键特征准确预测.实验结果表明,所提方法可增强对关键特征的估计精度,对关键特征的估计效果也有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王军涛		16	33	4.0	4.0