利用学习向量化样本分类的在线学习成绩预测

• 作者: 樊一娜 郎波
• 来源期刊: 计算机系统应用
• 关键词: 分类样本 在线学习 成绩预测
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 研究开发
• 页码范围: 215-222
• 页数: 8页
• 字数: 4337字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006799

摘要

对网络在线学习者产生的数据进行记录和分析,并为其提供精准化的个性化服务是在线教育发展的重要方面.本文以学习者在平台上产生的日常学习数据为样本,综合其最具代表性的五种影响因子,通过学习向量化神经网络对样本进行分类,得到基于BP神经网络的在线学习成绩预测数据.在模型中采用遗传算法有效优化BP神经网络的权重和阈值,在提高预测精度的同时加快模型的收敛速度.最后与其他两种模型进行对比分析,结果表明:该模型进行预测的结果与真实的成绩分布基本一致,具有很高的可信度,能够为有效的预测学习状态提供决策依据,具有一定的工程应用价值.