基本信息:
- 专利标题： 一种基于图像分类的mooc辍学率预测方法及系统
- 申请号：CN202410151210.4 申请日：2024-02-02
- 公开(公告)号：CN117893374A 公开(公告)日：2024-04-16
- 发明人： 郭龙江 , 卫可爱 , 马铭含 , 李津 , 刘勇
- 申请人： 陕西师范大学 , 黑龙江大学
- 申请人地址： 陕西省西安市长安区西长安街620号;
- 专利权人： 陕西师范大学,黑龙江大学
- 当前专利权人： 陕西师范大学,黑龙江大学
- 当前专利权人地址： 陕西省西安市长安区西长安街620号;
- 代理机构： 西安通大专利代理有限责任公司
- 代理人： 王艾华
- 主分类号： G06Q50/20
- IPC分类号： G06Q50/20 ; G06Q10/04 ; G06N3/045 ; G06V10/764 ; G06V10/82 ; G06N3/08
摘要：
本发明公开一种基于图像分类的mooc辍学率预测方法及系统，方法包括以下步骤：获取mooc课程的学生行为数据，将乱序的数据集整合为有序序列，对于每个有序序列生成图像，所述图像名生成包含标签，用户id和课程id；将所述图像作为组合神经网络的输入，神经网络以ViT网络为基础，ViT网络由嵌入层和编码层构成，嵌入层为输入层，编码层中包括多头注意力层和多层前馈网络，设定嵌入层中图像分割的块数，在编码层优化多层感知器；图像依次经过嵌入层、多头注意力层和多层前馈网络层得到图像分类结果，所述图像分类结果对应预测标签分类，根据所述标签分类得到辍学率，本发明基于ViT网络，将该网络应用于图像分类训练中，有利于取得更好的分类结果。