【摘 要】
：
随着我国高等教育的发展,在高校大量扩招、大学生数量激增的同时,逃课、挂科等现象开始出现,这严重影响了学生的学业与学校的校风。因此,进行有效的学业预警变得越来越重要。为了保障学校教学质量,督促学生学习,本文给出了融合考勤预警与挂科预警的学业预警方案。通过人脸识别的方式进行学生考勤,根据考勤情况生成考勤预警;并基于学生的考勤情况以及历史考试成绩等数据,利用机器学习对当前学期的课程进行挂科预测,根据预测
论文部分内容阅读
随着我国高等教育的发展,在高校大量扩招、大学生数量激增的同时,逃课、挂科等现象开始出现,这严重影响了学生的学业与学校的校风。因此,进行有效的学业预警变得越来越重要。为了保障学校教学质量,督促学生学习,本文给出了融合考勤预警与挂科预警的学业预警方案。通过人脸识别的方式进行学生考勤,根据考勤情况生成考勤预警;并基于学生的考勤情况以及历史考试成绩等数据,利用机器学习对当前学期的课程进行挂科预测,根据预测情况生成挂科预警;综合考勤预警与挂科预警对异常学生进行学业预警。论文主要研究内容如下:（1）基于人脸识别的考勤预警模块,研究重点为基于卷积神经网络的人脸识别模型。论文采用目前广泛应用的MTCNN网络进行人脸检测与人脸对齐;人脸匹配算法,结合卷积神经网络的发展史设计了以3×3尺寸卷积核为主的卷积神经网络MYNet,之后通过程序采集人脸照片,构建实验数据集,通过对比实验验证了本文设计的MYNet网络相较于相同层数的经典卷积神经网络及它的改进网络有着更高的识别准确率。（2）基于挂科预测的挂科预警模块,研究重点为基于SVM的课程挂科预测模型。在使用SVM算法对学生当前课程进行挂科预测时,为了避免默认SVM超参数带来的模型性能影响,论文根据算法实际使用场景采用网格搜索算法与3折交叉验证优化SVM的超参数。之后分析课程之间的内在联系,并构建实验数据集,通过对比实验验证了网格搜索算法优化后的SVM模型有着更高的性能。在算法研究与改进的基础上,设计并实现了学生学业预警系统。系统实现了学生人脸识别考勤与挂科预测;通过分析考勤数据实现考勤预警,并通过分析预测数据实现挂科预警;最后综合考勤预警与挂科预警实现了对异常学生的学业预警,有效地提高了教师、辅导员的学生管理效率以及学生的学习质量与学业水平。
其他文献
大脑状态时时刻刻在发生变化,因而脑电（electroencephalography,EEG）信号是非平稳的。新的用户在使用一个脑机接口（brain-computer interface,BCI）之前,必须经过冗长的训练采集EEG数据,用于构造BCI的分类模型。这限制了它的实用性。迁移学习是减少BCI训练时间的有效方法。通过将以前用户的实验数据迁移到一个新的用户,作为训练数据构造他的分类模型,从而减
说话人识别是根据说话人语音信号中的个性特征来辨认出说话者身份的一种生物识别技术。说话人识别系统的性能可以从多个方向来提升。例如从说话人的语音特征中选取出足够重要的特征来提升特征的可区分性;也可以使用性能较好的损失函数来训练特征提取网络。本文利用注意力模型和多度量学习来提升说话人识别系统的性能。本文的主要工作如下:1)提出了频带注意力（Frequency Band Attention）模型来对说话人
短期负荷预测是电力调度部门的一项重要工作,是安排发电机组启停的主要依据。准确的短期负荷预测可以减少电能损失,提高供电质量,因此提高预测的精确度是研究人员的重点工作。人工神经网络具有强大的非线性逼近和自主学习能力,是目前短期电力负荷预测的热门方向之一。以某地区1-6月电力负荷数据为仿真数据集,首先对数据集进行了预处理,包括缺失值补充、异常值修正和归一化处理,然后分析了负荷变化的周期性特征,并且采用自
遗留物检测作为视频监控的关键支撑技术之一有着广泛的应用。现有方法在部分场景中能够满足视频监控的需求,但仍然存在着一些问题,主要体现在以下方面。（1）传统遗留物检测算法存在着复杂场景下不能很好地解决光影变化问题,基于深度学习的遗留物检测则存在着神经网络的参数量较多问题;（2）此外,现有的基于分布式的遗留物检测在应对紧急情况,如部分服务器宕机、区域性停电等问题时,不能将剩余的服务器资源应用在更重要的任
随着时代的发展,科技的进步日新月异,机械臂已在全球工业中得到广泛应用,成为现代化工业发展不可或缺的技术之一。机械臂是一个具有多输入多输出、强耦合、时变的非线性系统,机械臂的作业环境极其复杂,因此,设计出高性能的机械臂轨迹跟踪控制策略显得尤为重要。针对机械臂模型存在部分信息未知,不确定因素较多,以及外界扰动下,本问对机械臂轨迹跟踪控制问题进行了研究。基于终端滑模控制方法、时延估计策略、神经网络控制理
随着遥感卫星技术的发展水平不断提升,一方面造成了遥感数据量增长过快并且种类繁多,这使得遥感数据难以管理。另一方面,传统遥感数据处理软件面向的是单一用户,没有考虑支持持续、并发、全自动的高性能数据处理需求,普通用户无法使用这类软件高效率的批量处理遥感数据。与此同时,遥感数据一般都是从数据中心获取,数据中心负载太大不能保证遥感数据的稳定获取。针对以上问题,本文依托于“天空地多源数据融合的崩岗新型监测、
机械臂轨迹跟踪控制的目的是机械臂按照期望轨迹运动时系统误差始终保持最小,即使存在干扰。因此,高精度、快速响应的轨迹跟踪控制是机械臂的研究重点。自由空间机械臂的位置跟踪问题,终端滑模控制因在滑模面中引入了非线性函数,使系统误差能够在有限时间收敛,在机械臂控制方向深受学者们的关注。而任务空间机械臂的控制,线性滑模控制研究的较多,但它只能确保跟踪误差渐进收敛,而不能保证有限时间收敛。然而分数阶终端滑模整
随着移动机器人的不断改进与智能化,基于多传感器融合的同时定位与建图（SLAM）系统尤其是基于视觉SLAM成为当下研究的重点领域。但是因为相机等视觉硬件存在一些问题,当移动机器人快速运动时,有部分图像纹理缺失或者部分特征信息缺失,会导致图像信息采集出现问题,特别是单目相机还会存在图像采集频率过低以及尺度不确定性等问题。惯性测量单元（IMU）是自身携带三轴加速度和角速度的一种运动传感器,两者能够为单目
智能优化算法在控制器参数整定优化领域得到了日趋广泛的应用。其中新兴的鲸鱼优化算法（Whale Optimization Algorithm,WOA）由于结构简单、参数少、搜索能力强等特点受到了广泛关注。但WOA算法由于提出时间不长,其应用研究仍在初步阶段,算法本身还存在迭代精度较低,迭代后期易陷入局部最优等缺点。本论文针对鲸鱼优化算法所存在的不足,提出一种改进的鲸鱼优化算法（LOWOA）,并将其应
滚动轴承广泛用于旋转机械中,其失效会导致生产率损失和较高的运行成本。因此,轴承的故障诊断对于确保高性能传动至关重要。最近,各个领域都成功开发了用于轴承故障诊断的数据驱动方法。但这些方法仍然存在很大的局限性,例如在训练数据和测试数据具有相同分布的情况下训练此类模型。这极大地限制了数据驱动模型的广泛应用,特别是基于神经网络的故障诊断模型。因为当操作环境和条件发生变化时,上述方法往往无法检测到故障。为了