学生行为相关性分析及改进GA-BP学业预警算法
针对教育大数据背景下高校学生管理面临的问题,提出了一种高校学生学业预警算法,利用现有高校数字校园建设成果,挖掘潜在的教育数据.采用Kendall相关性分析方法选择用于预测的特征数据,选择相关系数较高的8个特征数据作为BP神经网络的输入,采用相关性分析结果改进GA-BP算法,综合考虑各项因素实现学业情况的预测.经试验,该学业预警算法的预测准确率可以达到90% 以上.
相关性分析、GA-BP、学业预警、教育数据
30
2021-04-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
199-203