【摘 要】
：
随着互联网技术的发展和高校信息化水平的提升,高校校园正在逐渐实现Wi-Fi的全面覆盖,在校师生可以随时随地使用校园Wi-Fi接入互联网进行在线学习以及休闲娱乐活动。通过采集、处理和分析学生的无线上网信息可以得到学生的日常行为数据,而通过对学生日常行为数据的分析和基于学生日常行为的预测研究,能够帮助学校管理学生,增加校园学习氛围,建设以人为本的智慧化校园。本文基于学生在高校校园中使用Wi-Fi所产生
论文部分内容阅读
随着互联网技术的发展和高校信息化水平的提升,高校校园正在逐渐实现Wi-Fi的全面覆盖,在校师生可以随时随地使用校园Wi-Fi接入互联网进行在线学习以及休闲娱乐活动。通过采集、处理和分析学生的无线上网信息可以得到学生的日常行为数据,而通过对学生日常行为数据的分析和基于学生日常行为的预测研究,能够帮助学校管理学生,增加校园学习氛围,建设以人为本的智慧化校园。本文基于学生在高校校园中使用Wi-Fi所产生的数据,对学生的日常行为进行分析和研究,同时提出SSA-LightGBM模型用于学生学情预测。本文主要研究工作如下:（1）基于校园Wi-Fi数据使用百度地图API对学生日常行为进行可视分析并利用K-Means算法对学生日常行为进行聚类分析。首先对学生在校内活动地点、轨迹等日常活动使用百度地图API进行展示并分析,结果表明Wi-Fi数据能够有效展现个体与群体学生的日常行为规律。随后提取学生的行为特征并生成特征向量,基于K-Means聚类算法根据学生在不同地点的时间分布比例将学生分为努力学习型、缺乏社交型和体育锻炼型三类。在此基础上按照性别和学历对不同类型的学生进一步聚类分析,还可以得到缺乏社交型学生中男生所占比例小于女生所占比例、本科生所占比例小于研究生所占比例等结果。通过对聚类结果地分析发现学生的日常行为与其学习的积极程度存在关联性,例如时间分布热点集中在学习类地点的学生的学习积极程度普遍较高。（2）提出使用SSA-LightGBM模型进行学生学情预测。由于学生的日常行为与其学习的积极程度存在关联性,而学生学习的积极性能够从一定程度上影响其考试成绩,因此提出SSA-LightGBM预测模型用于预测学生的学业情况。由于LightGBM的参数值较难确定,而参数值对模型的表现有较大影响,所以使用SSA智能优化算法对其进行参数寻优。使用SSA-LightGBM和LightGBM、随机森林以及支持向量机进行对比实验,结果表明:SSA-LightGBM拥有最高的预测精度,其准确率达到了0.925;在预测时间方面SSA-LightGBM耗时也比随机森林和支持向量机短,仅用时33.47s。因此SSA-LightGBM在学生学情预测的问题上无论是预测精度还是预测效率都有较为优秀的表现。本文实验基于自建的学生行为数据集,通过聚类分析得出学生的日常行为分布规律,使用SSA-LightGBM模型进行学生学情预测。实验结果表明SSA-LightGBM模型的效果优于其他常见模型,使用学生的Wi-Fi数据能够有效预测其学业情况,通过给予有挂科风险学生学业上的帮助,有助于降低学生的挂科率、增加校园的学习氛围。
其他文献
微表情是一种人类在试图隐藏某种情感时无意识做出的,短暂的面部表情,其持续时间仅0.04秒至0.2秒。与之相对的,持续时间在0.75秒至2秒的表情被称为宏表情。微表情作为一种自发的面部表情,是无法人为控制的,因而微表情相较于宏表情能够更准确表现出人们内心的真实情感。基于这种特性,微表情在精神疾病的诊断和重大犯罪案件的审讯等方面具有重要的参考价值。传统的微表情识别方法首先提取手工设计的特征,然后使用机
人工智能技术的发展极大地提高了人类的生活品质,其中行为识别技术已经被应用于多个领域,在教育领域也受到研究者的追捧,逐渐成为教学智能化的研究热点。针对视频识别教学动作的研究已经取得了一定的成果,但仍存在视觉盲区、隐私泄露、对人物细微动作变化不敏感等问题,同时传统残差网络很难有效提取Wi-Fi数据的通道特征和时空特征信息。针对这类问题本文主要利用Wi-Fi信道状态信息（Channel State In
乳腺癌已成为世界上最常见的癌症,如果能尽早发现并加以治疗,乳腺癌的致死率能够极大降低。乳腺癌发病率和发病人数持续增加,而人工无法实现大规模的普筛和早期诊断,导致很多潜在病例没有在早期发现而错失了最佳治疗时机。计算机辅助诊断（Computer-Aided Diagnosis,CAD）系统能够辅助医生实现快速诊断,使乳腺癌的大规模筛查成为可能。然而,乳腺肿瘤CAD系统的诊断性能依赖于精确的感兴趣区域（
光催化降解技术由于具有工艺简单、生态友好、经济、降解率高等特点,成为了废水治理的主要手段。在众多半导体光催化材料中,Bi2WO6由于具有良好的可见光响应、较高的稳定性、较强的氧化能力、无毒无害和制备成本低等特点,近年来得到了研究人员的广泛关注,然而较高的光生载流子分离效率和较低的可见光利用率仍不能满足日益苛刻的废水治理需求。本文采用简单的水热法,通过改变不同反应条件,获得光催化性能较优的Bi2WO
Hashtag作为社交网络上的特有属性之一,在信息整合、事件检索以及话题参与等方面发挥着重要的作用。然而社交网络上的Hashtag使用率较低,使得Hashtag不能发挥应有的作用。因此如何给用户推荐合适的Hashtag,从而提高用户对Hashtag的使用成为一个热点研究问题。现有的Hashtag推荐研究主要集中在单一模态信息的Hashtag,对于利用多模态信息以及用户历史习惯信息的Hashtag关
随着智能安防,智慧城市等领域的发展,行人重识别技术受到越来越多的关注。目前,大多数行人重识别方法都是利用有标签的数据集进行训练,这些方法需要大量人工标注,并且缺乏扩展能力,因而在具有域差异的其他数据集上性能会显著下降。在现实生活中,行人会在不同域的场景出现,因此研究跨域行人重识别方法具有重大价值。本文通过注意力机制和姿态估计来提升跨域行人重识别方法的性能,主要研究工作有:（1）针对跨域行人重识别中
肺炎疾病严重损害人体呼吸道功能,特别是近几年新冠肺炎爆发,导致疫情蔓延确诊人数急速上升,肺炎相关疾病受到全人类高度重视。肺炎疾病诊断以人工为主,但大量的病理影像给医务人员工作带来巨大的挑战,超强度工作负荷容易造成误诊情况的发生。目前深度学习技术在医学领域被广泛应用,基于人工智能辅助诊断受到业界的认可。本文以X光影像作为研究对象,对Res Unet分割模型和Dense Net121分类模型分别进行研
电子线路实验是电子信息类相关专业学生最重要的实验课程之一。当学生疫情期间不能到实验室开展实验课的时候,只能做一些仿真实验。但仿真实验较为理想化,实际电路实验中可能出现的干扰、噪声、元器件误差等问题,在仿真实验中均难以体现。为了让学生能更好地分析和理解电路,电子线路实验课必须基于实际电路开展。此外,随着高校的扩招,很多高校存在实验资源紧张的问题,而传统实验仪器和实验箱体积大、价格昂贵、分散凌乱、操作
点云配准是指通过计算坐标变换关系,将不同视角下的点云数据,经过旋转平移等刚性变换统一整合到指定坐标系下的过程。近年来,高精度传感器的应用推动了点云配准技术的发展。点云配准是三维重建的基础,配准精度会直接影响三维重建的质量。基于深度学习的点云配准方法是目前的热点研究方法,其不易受噪声和异常值的干扰,能够有效提高点云配准精度。本论文重点围绕基于深度学习的点云配准方法展开研究,在充分研究现有的先进深度学
目前,文物数字化保护越来越受到关注。如何将采集的文物数据集通过使用可视化技术展示出来是文物数字化保护领域的核心问题。在可视化技术中移动立方体算法与光线投射算法是应用最广泛、最为经典的方法。其中,在传统的移动立方体算法中,阈值的选取往往是手动进行,具有盲目性,而且在很大程度上依赖于经验,这对算法的应用是不利的。在传统的光线投射算法中,程序在运行时需要较大的内存和运行时间。针对上述问题,本文分别从图像