基于PSO-SVR算法的高职学生学业预警模型研究  

Study on the academic early warning model of higher vocational students based on PSO-SVR algorithm

作　　者：颜金龙[1] 李献丽[1] 侯舟波 Yan Jinlong;Li Xianli;Hou Zhoubo(Zhejiang International Maritime College,Zhoushan 316021,China)

机构地区：[1]浙江国际海运职业技术学院,浙江舟山316021

出　　处：《江苏科技信息》2021年第15期57-59,共3页Jiangsu Science and Technology Information

基　　金：浙江省教育科学规划课题,项目名称:基于教育数据挖掘的高职学生学业预警决策研究,项目编号:2020SCG249。

摘　　要：文章针对目前学业预警机制中存在的问题,提出了基于粒子群优化的支持向量回归机学业预警模型。综合考虑学生的基础知识、学习态度、学习氛围及学习成绩等多方面因素,确定合理的数据集结构,结合PSO-SVR算法,实现对大学3年总体学业状况的预测。In view of the problems existing in the current learning early warning mechanism,a support vector regression(SVR)learning early warning model based on particle swarm optimization(PSO)is proposed.Considering the students’basic knowledge,learning attitude,learning atmosphere and learning achievement,the reasonable data set structure is determined,and the PSO-SVR algorithm is used to predict the overall academic status of the university in the next three years.

关 键 词：学业预警 支持向量回归机 粒子群优化算法 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]