戴 斌 楊賽男

（湖南環(huán)境生物職業(yè)技術學院，湖南 衡陽 421005）

在信息化時代，隨著各行業(yè)對大數(shù)據(jù)技術的依賴逐漸加深，技術也迎來了新一輪的轉型，整體朝著多元化的趨勢發(fā)展，傳統(tǒng)的教學模式也受到了影響。各大高校目前不能很好地適應這種環(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，并進行優(yōu)化，對高校學生第二課堂學習行為數(shù)據(jù)提取進行研究。詳細介紹了前期數(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，并在此基礎上調整數(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、精確地提取數(shù)據(jù)，及時補充缺失數(shù)據(jù)并進行高維映射，為了提取高校學生第二課堂學習行為的數(shù)據(jù)，高維特征采用前饋自適應調參這種形式來完成驗證，并證實了該方法的有效性。

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 學生信息采集

由于當前的高校數(shù)據(jù)化程度與時俱進，因此，學生各科成績均已列入高校云數(shù)據(jù)系統(tǒng)中。需要對該數(shù)據(jù)庫進行分析，收集學生的第二課堂成績信息，主要的收集方式是通過云端采集以及離線部署，數(shù)據(jù)收集完成后會形成專屬于每個學生第二課堂學科成績的Excel 表，然后通過自定義C++程序自動讀取.xlsx 文件進行處理，同時將學生分為不同類別，包括有關第二課堂成績的信息：x（各科目成績）、z（各科目成績學分）、加權平均分、平均分以及成績方差等多個變量，見表1。

表1 學生成績信息采集表

表1 為學生原始成績數(shù)據(jù)，根據(jù)該數(shù)據(jù)可以計算學生平均分，如公式（1）所示。

式中：A為平均分；x1～xn為成績；n為學生總人數(shù)。

計算學生的加權平均分，如公式（2）所示。

式中：x1～xn為成績；z1～zn為學分；E為加權平均分。

最終計算出學生的成績方差，如公式（3）所示。

式中：xi為成績；S為通過情況；A為平均分。

1.1.2 學生行為信息采集

當前高校的信息化建設中，最早開始應用也最普及的技術是一卡通。其不僅能夠作為學生的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，可以從學校的現(xiàn)有數(shù)據(jù)庫中提取學生的真實信息，以每學年作為階段性考量單位，以每月作為時間考量單位，將這兩項指標作為評估學生的月圖書館借閱數(shù)和學生資料查詢次數(shù)。再劃分一種以時間線為衡量方式的程序，記錄學生在第二課堂的出勤次數(shù)，為獲取學生去校內圖書館的信息以及校園網(wǎng)瀏覽的信息，采用C++程序讀取學校的數(shù)據(jù)庫，從而提取真實的數(shù)據(jù)。在學生類中細分出三項指標，分別為擴展圖書館月平均借閱量c、學生月資料查詢次數(shù)d以及學生出勤次數(shù)e。見表2。

表2 學生行為信息采集表

1.1.3 學生其他信息采集

如果要精準化采集學生的其他信息，那么系統(tǒng)以bool值來定義學生第二課堂的通過情況，狀態(tài)劃分形式為二位二進制，通過情況共分為2 種：未通過為00；通過為01。為計算學生第二課堂通過情況的成員變量，將繼續(xù)提取數(shù)據(jù)庫中的真實信息，并通過C++程序進一步擴展學生類。見表3。

表3 學生其他信息采集表

1.1.4 源數(shù)據(jù)模型

從以上3 種采集形式可以看出，將學生進行抽象處理，劃分為學生類，并將其進行擴展，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，如果需要完成網(wǎng)絡訓練數(shù)據(jù)集或預處理數(shù)據(jù)集，那么該源數(shù)據(jù)矩陣是其中的基礎。

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)，每個矩陣=每個學生源數(shù)據(jù)。表4 中，x為成績；z為學分；c為擴展圖書館月平均借閱量；d為學生月資料查詢次數(shù)；e為學生出勤次數(shù)；S為通過情況；A為平均分；E為加權平均分；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，盡管每個源數(shù)據(jù)矩陣均為9×N，但屬性大小都不固定，以加權平均分為例，其數(shù)據(jù)大小為1×1，此時需要結合學生的平時成績與學分這兩項維度，通過RBF 核函數(shù)進行映射，最終在高維空間確認是否與學生的兩項維度相符。如果學生的成績數(shù)據(jù)不夠完整，RBF 核也可以采用映射的方式，將N維補齊，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x'=Xi，（i=1，2，...，n）每行學生信息向量，每行y'=Li，（i=1，2，...，n）學生信息數(shù)據(jù)向量對應的標簽如公式（4）所示。

式中：x和y為原始數(shù)據(jù)的樣本點；k（x'，y'）為RBF 核函數(shù)的輸出，它是學生信息向量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)映射后的學生信息向量（x'和y'）在高維特征空間中的表示；e為自然對數(shù)的底數(shù)，即歐拉數(shù)（Euler's Number）；α為RBF 核函數(shù)的一個參數(shù)，用于調節(jié)映射后數(shù)據(jù)在高維空間中的分布。較大的α值會使映射后的數(shù)據(jù)分布更集中，而較小的α值會使數(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)），能夠計算高維空間中的個體元素，如公式（5）所示。

1.3 前反饋參數(shù)調整與歸一化

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

圖1 基于反饋的參數(shù)調整流程

閾值參數(shù)調整（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)格訓練細化程度，還能決定最終結果的精準度，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，該方法通過對比計算機的2 種值（一個值與原先值）的結果，來觀察最終呈現(xiàn)的效果是否為顯性，結果是顯性，就嘗試預估方向（增量），結果不是顯性，就嘗試反方向（增量）。為得到最優(yōu)值，需要進行不斷迭代選擇[3]。根據(jù)導數(shù)性質可知：正數(shù)函數(shù)為單調遞增；負數(shù)函數(shù)為單調遞減。如果要判斷函數(shù)是否平穩(wěn)，須明確導數(shù)值是否為0，為0 函數(shù)處于平穩(wěn)狀態(tài)。對fx關于x求導得到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 處達到的，當后續(xù)迭代次數(shù)持續(xù)增加到16 000 時，μ值發(fā)生了變化，在7.931 7 處時陷入了僵值。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值所能達到理論最優(yōu)階段是在4.372 1 處，于是進一步改變迭代次數(shù)，分別取10 500 次與6 500 次，當增加迭代次數(shù)時，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)變動表

學生信息矩陣（歸一化后）計算如公式（6）所示。

公式（6）為歸一化處理法，將其運用到矩陣K中，y為學生信息矩陣K（待歸一化）；x為學生信息矩陣（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等方法對文本大數(shù)據(jù)進行特征提取，但這兩種方法只能運用于單一類的數(shù)據(jù)，無法精準有效地提取學生數(shù)據(jù)這類多元化的信息類別，所以最終結果不夠具有科學性[4]。

2 試驗分析

為驗證該方法的準確性，該文將某高校2018—2020 屆學生作為試驗分析對象，提取成績、考勤次數(shù)、通過率、和月圖書館借閱數(shù)以及學生資料查詢次等數(shù)據(jù)，獲取了20 512 個名學生信息。最終選取2018—2020 屆畢業(yè)生作為訓練建模對象，測試對象為2021 屆畢業(yè)生。其中順利通過考試的學生為1，沒有順利通過考試的學生為0。為驗證其模型精準度，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生劃為正類，沒有順利通過考試的學生劃為負類。

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

為了使最終結果更具科學性，試驗采取多次測試并得出結果：當四種人數(shù)（895、1785、3864、5301）作為測試集時，最高能達到98.17%的準確度和94.21%的穩(wěn)定度，并且平均誤檢率與正、負召回率也都較穩(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)各項指標對照表

表7 各類算法預測準確率對照表

表8 各類算法預測負召回率對照表

由此可見，LSTM 網(wǎng)絡與支持向量機和隨機森林這類傳統(tǒng)的學生學習行為數(shù)據(jù)提取算法相比，準確度更高，誤檢率更穩(wěn)定，主要體現(xiàn)在4 個人數(shù)測試中。與其他相對冷門的算法相比，LSTM 網(wǎng)絡的可塑性更強，擴展范圍也更廣，因此證明該算法在高校學生第二課堂學習行為數(shù)據(jù)提取方面具有很好的效果。

3 結論

該文在多維正態(tài)分布的基礎上，對某高校學生第二課堂學習行為數(shù)據(jù)提取進行研究，采取學生的常規(guī)數(shù)據(jù)信息：成績、考勤次數(shù)和通過率，將這3 項數(shù)據(jù)作為數(shù)據(jù)源，進一步驗證數(shù)據(jù)的準確性，并運用深度學習優(yōu)化算法，構建了基于LSTM 優(yōu)化算法的高校學生第二課堂學習行為數(shù)據(jù)提取系統(tǒng)，補充了月圖書館借閱數(shù)和學生資料查詢次數(shù)等指標作為數(shù)據(jù)，通過學生行為數(shù)據(jù)分布進行區(qū)分，將應屆畢業(yè)生的考試通過數(shù)據(jù)作為測試案例，試驗結果證明該算法在高校學生學習行為數(shù)據(jù)提取方面具有很好的效果，對各高校具有非常重要的參考價值。