基于人工神经网络的高考分数线预测研究
| 摘要 | 第9-11页 |
| abstract | 第11-12页 |
| 1 绪论 | 第13-21页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 研究内容和意义 | 第15-17页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 研究意义 | 第16-17页 |
| 1.4 研究思路与方法 | 第17-19页 |
| 1.5 论文结构 | 第19-21页 |
| 2 相关概念和理论基础 | 第21-37页 |
| 2.1 高考投档录取模式 | 第21-26页 |
| 2.1.1 平行志愿定义及特点 | 第21-22页 |
| 2.1.2 高考志愿投档规则 | 第22-25页 |
| 2.1.3 高考二三本合并规则 | 第25-26页 |
| 2.2 人工神经网络介绍 | 第26-37页 |
| 2.2.1 神经元 | 第27-31页 |
| 2.2.2 人工神经网络模型 | 第31-32页 |
| 2.2.4 人工神经网络学习过程 | 第32-35页 |
| 2.2.5 循环神经网络模型 | 第35-36页 |
| 2.2.6 LSTM神经网络 | 第36-37页 |
| 3 数据整理与数据集的构建 | 第37-54页 |
| 3.1 数据集构建的原则 | 第37页 |
| 3.2 原始数据处理 | 第37-46页 |
| 3.2.1 省份因素 | 第37-38页 |
| 3.2.2 年份因素 | 第38页 |
| 3.2.3 科类批次因素 | 第38-39页 |
| 3.2.4 专业因素 | 第39页 |
| 3.2.5 高等院校因素 | 第39-40页 |
| 3.2.6 二三本合并因素 | 第40-41页 |
| 3.2.7 高校投档线因素 | 第41页 |
| 3.2.8 专业投档线因素 | 第41-43页 |
| 3.2.9 省控线因素 | 第43-44页 |
| 3.2.10 专业平均分因素 | 第44-45页 |
| 3.2.11 专业最高分因素 | 第45页 |
| 3.2.12 缺失值处理 | 第45-46页 |
| 3.3 原始数据处理结果 | 第46-47页 |
| 3.4 数据格式处理 | 第47-52页 |
| 3.4.1 标准化处理 | 第48-49页 |
| 3.4.2 数据维度处理 | 第49-52页 |
| 3.5 训练数据集与测试数据集的构建 | 第52-54页 |
| 4 模型设计与实现 | 第54-73页 |
| 4.1 模型设计 | 第54-58页 |
| 4.1.1 输入层设计 | 第54-55页 |
| 4.1.2 输出层设计 | 第55-56页 |
| 4.1.3 隐藏层设计 | 第56-58页 |
| 4.2 模型实现 | 第58-64页 |
| 4.2.1 开发环境配置 | 第59-61页 |
| 4.2.2 输入层实现 | 第61-62页 |
| 4.2.3 输出层实现 | 第62-63页 |
| 4.2.4 隐藏层实现 | 第63-64页 |
| 4.3 模型参数优化 | 第64-71页 |
| 4.3.1 激励函数 | 第64-66页 |
| 4.3.2 Dropout | 第66-67页 |
| 4.3.3 隐藏节点数 | 第67-68页 |
| 4.3.4 隐藏层数 | 第68-69页 |
| 4.3.5 模型训练次数 | 第69-71页 |
| 4.4 模型验证 | 第71-73页 |
| 5 结果分析与讨论 | 第73-78页 |
| 5.1 模型性能指标设计 | 第73-74页 |
| 5.1.1 模型预测准确率 | 第73页 |
| 5.1.2 平均绝对误差 | 第73-74页 |
| 5.1.3 召回率 | 第74页 |
| 5.2 模型性能测试 | 第74-76页 |
| 5.2.1 模型预测准确率测试 | 第74页 |
| 5.2.2 平均绝对误差测试 | 第74-75页 |
| 5.2.3 召回率测试 | 第75-76页 |
| 5.2.4 二三本合并背景下测试 | 第76页 |
| 5.3 分析与讨论 | 第76-78页 |
| 6 总结与展望 | 第78-79页 |
| 6.1 总结 | 第78页 |
| 6.2 展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间的研究成果 | 第83-84页 |
| 致谢 | 第84-85页 |
