[发明专利]一种基于迁移学习和聚类算法的研学旅行智能规划方法

权利要求书

1.一种基于迁移学习和聚类算法的研学旅行智能规划方法，其特征在于：包括如下步骤：

步骤S1：收集所有学生相关信息，提取学生的较为重要的信息进行处理，然后利用谱聚类对学生进行分类；

步骤S2：根据学生分类的结果对不同的研学地点进行划分，利用学生聚类后的结果，对这些不用的类别进行处理，得到一个研学地点的聚类结果；

步骤S3：在聚类结果的基础上，得到与学生特征相对应的研学地点，根据研学场景对应的类别关系表，制定相应的研学旅行方案。

2.根据权利要求1所述的一种基于迁移学习和聚类算法的研学旅行智能规划方法，其特征在于：步骤S1中对信息进行处理的方法包括利用均值填充的方法对缺失值进行填充和对数据进行预处理，将数据描述为图论中的无向图:G＝(V,E),其中表示节点的集合，E为边的集合。

3.根据权利要求2所述的一种基于迁移学习和聚类算法的研学旅行智能规划方法，其特征在于：步骤S1中利用谱聚类对学生进行分类的方法为：对所有数据点组成的图进行切图，使切图后不同的子图间边权重和最低，子图内的边权重和最高，得到学生的不同类别。

4.根据权利要求3所述的一种基于迁移学习和聚类算法的研学旅行智能规划方法，其特征在于：步骤S1中，所述学生相关信息至少包括学生年龄、性别、性格特征、兴趣爱好、课程关联性、家庭地址，较为重要的信息至少包含学生的各科学习成绩、学生各方面的发展程度和学生的家庭情况。

5.根据权利要求1所述的一种基于迁移学习和聚类算法的研学旅行智能规划方法，其特征在于：步骤S2中，根据学生的综合信息，利用谱聚类算法，将全部学生进行分类，再根据学生分组情况对研学地点进行分类，划分出不同的信息点，针对不同的分类结果利用迁移学习对这些不同的研学地点进行建模，获取不同类别内不同学生的需求。

6.根据权利要求1所述的一种基于迁移学习和聚类算法的研学旅行智能规划方法，其特征在于：步骤S3中，通过深度学习对覆盖范围最广泛的信息点进行预训练，再通过迁移学习对其他不同的信息点的模型进行微调，得到的不同研学地点内不同学生的需求。

7.根据权利要求1所述的一种基于迁移学习和聚类算法的研学旅行智能规划方法，其特征在于：还包括步骤S4：对每次研学旅行方案实施后再次进行评估，将评估结果加入信息点的模型后进行微调。