戴 斌 楊賽男

（湖南環(huán)境生物職業(yè)技術(shù)學(xué)院，湖南 衡陽 421005）

在信息化時(shí)代，隨著各行業(yè)對(duì)大數(shù)據(jù)技術(shù)的依賴逐漸加深，技術(shù)也迎來了新一輪的轉(zhuǎn)型，整體朝著多元化的趨勢(shì)發(fā)展，傳統(tǒng)的教學(xué)模式也受到了影響。各大高校目前不能很好地適應(yīng)這種環(huán)境，其課堂效率也是根據(jù)高校自身的信息化水平?jīng)Q定的。因此該文明確了目前現(xiàn)有算法的缺陷，并進(jìn)行優(yōu)化，對(duì)高校學(xué)生第二課堂學(xué)習(xí)行為數(shù)據(jù)提取進(jìn)行研究。詳細(xì)介紹了前期數(shù)據(jù)整理中的數(shù)據(jù)來源以及整理過程中所用到的格式變換，并在此基礎(chǔ)上調(diào)整數(shù)據(jù)，使其更符合算法的要求[1-2]。從而得出一種基于多維正態(tài)分布的前饋分類特征提取方法，該方法能夠更詳細(xì)、精確地提取數(shù)據(jù)，及時(shí)補(bǔ)充缺失數(shù)據(jù)并進(jìn)行高維映射，為了提取高校學(xué)生第二課堂學(xué)習(xí)行為的數(shù)據(jù)，高維特征采用前饋?zhàn)赃m應(yīng)調(diào)參這種形式來完成驗(yàn)證，并證實(shí)了該方法的有效性。

1 基于多維正態(tài)分布的前饋特征提取分類方法

1.1 數(shù)據(jù)采集與整理

1.1.1 學(xué)生信息采集

由于當(dāng)前的高校數(shù)據(jù)化程度與時(shí)俱進(jìn)，因此，學(xué)生各科成績(jī)均已列入高校云數(shù)據(jù)系統(tǒng)中。需要對(duì)該數(shù)據(jù)庫進(jìn)行分析，收集學(xué)生的第二課堂成績(jī)信息，主要的收集方式是通過云端采集以及離線部署，數(shù)據(jù)收集完成后會(huì)形成專屬于每個(gè)學(xué)生第二課堂學(xué)科成績(jī)的Excel 表，然后通過自定義C++程序自動(dòng)讀取.xlsx 文件進(jìn)行處理，同時(shí)將學(xué)生分為不同類別，包括有關(guān)第二課堂成績(jī)的信息：x（各科目成績(jī)）、z（各科目成績(jī)學(xué)分）、加權(quán)平均分、平均分以及成績(jī)方差等多個(gè)變量，見表1。

表1 學(xué)生成績(jī)信息采集表

表1 為學(xué)生原始成績(jī)數(shù)據(jù)，根據(jù)該數(shù)據(jù)可以計(jì)算學(xué)生平均分，如公式（1）所示。

式中：A為平均分；x1～xn為成績(jī)；n為學(xué)生總?cè)藬?shù)。

計(jì)算學(xué)生的加權(quán)平均分，如公式（2）所示。

式中：x1～xn為成績(jī)；z1～zn為學(xué)分；E為加權(quán)平均分。

最終計(jì)算出學(xué)生的成績(jī)方差，如公式（3）所示。

式中：xi為成績(jī)；S為通過情況；A為平均分。

1.1.2 學(xué)生行為信息采集

當(dāng)前高校的信息化建設(shè)中，最早開始應(yīng)用也最普及的技術(shù)是一卡通。其不僅能夠作為學(xué)生的ID 身份，還能集校園中的各種功能于一體，且可以地用于該研究的系統(tǒng)中，可以從學(xué)校的現(xiàn)有數(shù)據(jù)庫中提取學(xué)生的真實(shí)信息，以每學(xué)年作為階段性考量單位，以每月作為時(shí)間考量單位，將這兩項(xiàng)指標(biāo)作為評(píng)估學(xué)生的月圖書館借閱數(shù)和學(xué)生資料查詢次數(shù)。再劃分一種以時(shí)間線為衡量方式的程序，記錄學(xué)生在第二課堂的出勤次數(shù)，為獲取學(xué)生去校內(nèi)圖書館的信息以及校園網(wǎng)瀏覽的信息，采用C++程序讀取學(xué)校的數(shù)據(jù)庫，從而提取真實(shí)的數(shù)據(jù)。在學(xué)生類中細(xì)分出三項(xiàng)指標(biāo)，分別為擴(kuò)展圖書館月平均借閱量c、學(xué)生月資料查詢次數(shù)d以及學(xué)生出勤次數(shù)e。見表2。

表2 學(xué)生行為信息采集表

1.1.3 學(xué)生其他信息采集

如果要精準(zhǔn)化采集學(xué)生的其他信息，那么系統(tǒng)以bool值來定義學(xué)生第二課堂的通過情況，狀態(tài)劃分形式為二位二進(jìn)制，通過情況共分為2 種：未通過為00；通過為01。為計(jì)算學(xué)生第二課堂通過情況的成員變量，將繼續(xù)提取數(shù)據(jù)庫中的真實(shí)信息，并通過C++程序進(jìn)一步擴(kuò)展學(xué)生類。見表3。

表3 學(xué)生其他信息采集表

1.1.4 源數(shù)據(jù)模型

從以上3 種采集形式可以看出，將學(xué)生進(jìn)行抽象處理，劃分為學(xué)生類，并將其進(jìn)行擴(kuò)展，在其中加入成員變量后，得到最終數(shù)據(jù)，見表4。在數(shù)據(jù)集里，該數(shù)據(jù)矩陣是形成最早的一項(xiàng)，如果需要完成網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)集或預(yù)處理數(shù)據(jù)集，那么該源數(shù)據(jù)矩陣是其中的基礎(chǔ)。

表4 源數(shù)據(jù)匯總表

該數(shù)據(jù)矩陣的大小為9×N，矩陣是最終模型的源輸入數(shù)據(jù)，每個(gè)矩陣=每個(gè)學(xué)生源數(shù)據(jù)。表4 中，x為成績(jī)；z為學(xué)分；c為擴(kuò)展圖書館月平均借閱量；d為學(xué)生月資料查詢次數(shù)；e為學(xué)生出勤次數(shù)；S為通過情況；A為平均分；E為加權(quán)平均分；D為方差。

1.2 基于RBF 核映射的缺失數(shù)據(jù)處理

綜上所述，盡管每個(gè)源數(shù)據(jù)矩陣均為9×N，但屬性大小都不固定，以加權(quán)平均分為例，其數(shù)據(jù)大小為1×1，此時(shí)需要結(jié)合學(xué)生的平時(shí)成績(jī)與學(xué)分這兩項(xiàng)維度，通過RBF 核函數(shù)進(jìn)行映射，最終在高維空間確認(rèn)是否與學(xué)生的兩項(xiàng)維度相符。如果學(xué)生的成績(jī)數(shù)據(jù)不夠完整，RBF 核也可以采用映射的方式，將N維補(bǔ)齊，以保證最終數(shù)據(jù)矩陣的完整，大小仍為9×N。

根據(jù)針對(duì)x'=Xi，（i=1，2，...，n）每行學(xué)生信息向量，每行y'=Li，（i=1，2，...，n）學(xué)生信息數(shù)據(jù)向量對(duì)應(yīng)的標(biāo)簽如公式（4）所示。

式中：x和y為原始數(shù)據(jù)的樣本點(diǎn)；k（x'，y'）為RBF 核函數(shù)的輸出，它是學(xué)生信息向量x'和y'之間的相似度或距離度量；φ（x'）和φ（y'）為通過RBF 核函數(shù)映射后的學(xué)生信息向量（x'和y'）在高維特征空間中的表示；e為自然對(duì)數(shù)的底數(shù)，即歐拉數(shù)（Euler's Number）；α為RBF 核函數(shù)的一個(gè)參數(shù)，用于調(diào)節(jié)映射后數(shù)據(jù)在高維空間中的分布。較大的α值會(huì)使映射后的數(shù)據(jù)分布更集中，而較小的α值會(huì)使數(shù)據(jù)分布更分散。

公式（4）代表的方法就像上文提到的映射法，能夠具體映射到N維空間，其中α所代表的含義為Gamma 值（RBF核參數(shù)），能夠計(jì)算高維空間中的個(gè)體元素，如公式（5）所示。

1.3 前反饋參數(shù)調(diào)整與歸一化

在該反饋方式的基礎(chǔ)上，為了能得到全局最優(yōu)解（各個(gè)參數(shù)），需要最優(yōu)調(diào)整多維正態(tài)分布參數(shù)，調(diào)整方法為迭代算法?；诜答伒膮?shù)調(diào)整流程，如圖1 所示。

圖1 基于反饋的參數(shù)調(diào)整流程

閾值參數(shù)調(diào)整（正態(tài)分布）：平均閾值（正態(tài)分布）μ，該值非常重要，不僅能影響網(wǎng)格訓(xùn)練細(xì)化程度，還能決定最終結(jié)果的精準(zhǔn)度，要使閾值參數(shù)能夠更接近最優(yōu)值，可以嘗試梯度下降迭代法，該方法通過對(duì)比計(jì)算機(jī)的2 種值（一個(gè)值與原先值）的結(jié)果，來觀察最終呈現(xiàn)的效果是否為顯性，結(jié)果是顯性，就嘗試預(yù)估方向（增量），結(jié)果不是顯性，就嘗試反方向（增量）。為得到最優(yōu)值，需要進(jìn)行不斷迭代選擇[3]。根據(jù)導(dǎo)數(shù)性質(zhì)可知：正數(shù)函數(shù)為單調(diào)遞增；負(fù)數(shù)函數(shù)為單調(diào)遞減。如果要判斷函數(shù)是否平穩(wěn)，須明確導(dǎo)數(shù)值是否為0，為0 函數(shù)處于平穩(wěn)狀態(tài)。對(duì)fx關(guān)于x求導(dǎo)得到fx'，可以看出，最開始的迭代次數(shù)為1 000，得到了μ值，而極值是在3.725 4 處達(dá)到的，當(dāng)后續(xù)迭代次數(shù)持續(xù)增加到16 000 時(shí)，μ值發(fā)生了變化，在7.931 7 處時(shí)陷入了僵值。為了改變狀態(tài)，采取二分嘗試方法，取8 500 的中值（1 000～16 000），經(jīng)過迭代后可以發(fā)現(xiàn)μ值所能達(dá)到理論最優(yōu)階段是在4.372 1 處，于是進(jìn)一步改變迭代次數(shù)，分別取10 500 次與6 500 次，當(dāng)增加迭代次數(shù)時(shí)，發(fā)現(xiàn)μ值出現(xiàn)了融合狀態(tài)，而在減少迭代次數(shù)后處于欠融合的狀態(tài)，此時(shí)繼續(xù)采用二分嘗試方法，取9 500 次的中值（8 500～10 500），μ通過迭代后最終值為4.762 9，繼續(xù)改變迭代次數(shù)，分別取9 500～10 500 和8 500～9 500 的中值。根據(jù)上述方法反復(fù)嘗試，最終得出全局理論最優(yōu)值μ為4.6738，確定了μ為閾值參數(shù)（正態(tài)分布），見表5。

表5 閾值參數(shù)變動(dòng)表

學(xué)生信息矩陣（歸一化后）計(jì)算如公式（6）所示。

公式（6）為歸一化處理法，將其運(yùn)用到矩陣K中，y為學(xué)生信息矩陣K（待歸一化）；x為學(xué)生信息矩陣（歸一化后）；μ為平均值；Mmax為所有元素中最大值向量；Mmin為所有元素中最小值向量。

主要采用PCA 主成分法以及卡方檢驗(yàn)等方法對(duì)文本大數(shù)據(jù)進(jìn)行特征提取，但這兩種方法只能運(yùn)用于單一類的數(shù)據(jù)，無法精準(zhǔn)有效地提取學(xué)生數(shù)據(jù)這類多元化的信息類別，所以最終結(jié)果不夠具有科學(xué)性[4]。

2 試驗(yàn)分析

為驗(yàn)證該方法的準(zhǔn)確性，該文將某高校2018—2020 屆學(xué)生作為試驗(yàn)分析對(duì)象，提取成績(jī)、考勤次數(shù)、通過率、和月圖書館借閱數(shù)以及學(xué)生資料查詢次等數(shù)據(jù)，獲取了20 512 個(gè)名學(xué)生信息。最終選取2018—2020 屆畢業(yè)生作為訓(xùn)練建模對(duì)象，測(cè)試對(duì)象為2021 屆畢業(yè)生。其中順利通過考試的學(xué)生為1，沒有順利通過考試的學(xué)生為0。為驗(yàn)證其模型精準(zhǔn)度，提取2021 屆的5301 名的畢業(yè)生數(shù)據(jù)，將順利通過考試的學(xué)生劃為正類，沒有順利通過考試的學(xué)生劃為負(fù)類。

定義TP：正類—正類數(shù)，F(xiàn)N：正類—負(fù)類數(shù)，F(xiàn)P：負(fù)類—正類數(shù)，TN：負(fù)類—負(fù)類數(shù)。

為了使最終結(jié)果更具科學(xué)性，試驗(yàn)采取多次測(cè)試并得出結(jié)果：當(dāng)四種人數(shù)（895、1785、3864、5301）作為測(cè)試集時(shí)，最高能達(dá)到98.17%的準(zhǔn)確度和94.21%的穩(wěn)定度，并且平均誤檢率與正、負(fù)召回率也都較穩(wěn)定，分別是1.83%、99.12%和76.33%。具體數(shù)據(jù)見表6 ～表8。

表6 系統(tǒng)各項(xiàng)指標(biāo)對(duì)照表

表7 各類算法預(yù)測(cè)準(zhǔn)確率對(duì)照表

表8 各類算法預(yù)測(cè)負(fù)召回率對(duì)照表

由此可見，LSTM 網(wǎng)絡(luò)與支持向量機(jī)和隨機(jī)森林這類傳統(tǒng)的學(xué)生學(xué)習(xí)行為數(shù)據(jù)提取算法相比，準(zhǔn)確度更高，誤檢率更穩(wěn)定，主要體現(xiàn)在4 個(gè)人數(shù)測(cè)試中。與其他相對(duì)冷門的算法相比，LSTM 網(wǎng)絡(luò)的可塑性更強(qiáng)，擴(kuò)展范圍也更廣，因此證明該算法在高校學(xué)生第二課堂學(xué)習(xí)行為數(shù)據(jù)提取方面具有很好的效果。

3 結(jié)論

該文在多維正態(tài)分布的基礎(chǔ)上，對(duì)某高校學(xué)生第二課堂學(xué)習(xí)行為數(shù)據(jù)提取進(jìn)行研究，采取學(xué)生的常規(guī)數(shù)據(jù)信息：成績(jī)、考勤次數(shù)和通過率，將這3 項(xiàng)數(shù)據(jù)作為數(shù)據(jù)源，進(jìn)一步驗(yàn)證數(shù)據(jù)的準(zhǔn)確性，并運(yùn)用深度學(xué)習(xí)優(yōu)化算法，構(gòu)建了基于LSTM 優(yōu)化算法的高校學(xué)生第二課堂學(xué)習(xí)行為數(shù)據(jù)提取系統(tǒng)，補(bǔ)充了月圖書館借閱數(shù)和學(xué)生資料查詢次數(shù)等指標(biāo)作為數(shù)據(jù)，通過學(xué)生行為數(shù)據(jù)分布進(jìn)行區(qū)分，將應(yīng)屆畢業(yè)生的考試通過數(shù)據(jù)作為測(cè)試案例，試驗(yàn)結(jié)果證明該算法在高校學(xué)生學(xué)習(xí)行為數(shù)據(jù)提取方面具有很好的效果，對(duì)各高校具有非常重要的參考價(jià)值。