[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

说明书

本发明公开了一种基于迁移学习和聚类算法的研学旅行智能规划方法，包括以下步骤：步骤S1：收集所有学生的相关信息，将这些信息存入资料库里，提取学生的重要特征，然后利用谱聚类对学生进行分类；步骤S2：通过信息点的特征，根据学生的信息利用聚类的方法划分不同的学生群体，针对不同的学生群体对不同的研学地点进行划分，得到一个研学地点的分类结果；步骤S3：在聚类结果的基础上，对不同研学地点的特征利用迁移学习进行建模。通过上述方法，学生所在的类别不再是单一的，对其推荐的研学旅行的方案也不再是单一的，可以根据学生的兴趣爱好对其推荐不同的学习方案，不再只是简单的单一推荐，这能够使学生得到最为全面的发展。

技术领域

本发明涉及大数据及人工智能相关应用技术，具体是一种基于迁移学习和聚类算法的研学旅行智能规划方法。

背景技术

随着大数据和人工智能的发展，现实生活中处处离不开人工智能，研学旅行是学校根据区域特点、学生性格特征、科学教育的等综合的需要，组织学生通过集体旅行、集体食宿的方式走出校园，在与平常不同的生活中拓展视野、丰富知识，加深与自然和文化的亲近感，增加对集体生活方式和社会公共道德的体验。研学旅行继承了我国传统游学的“读万卷书，行万里路”的教育思想，成为了科学教育的新的发展理念。

目前，研学旅行需要花费大量的时间和精力去思考去哪里，去做什么的问题，大大增加了学生的思考负担，为了解决这个问题，我们提出了研学旅行的智能规划。其中深度学习中的这种迁移被称作归纳迁移，在解决分类问题方面表现出了优异的性能，在地点规划的研究中得到了越来越多的关注。

发明内容

本发明的目的在于提供一种基于迁移学习和聚类算法的研学旅行智能规划方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于迁移学习和聚类算法的研学旅行智能规划方法，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。

作为本发明进一步的方案：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。

作为本发明进一步的方案：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。

作为本发明进一步的方案：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。

作为本发明进一步的方案：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。

作为本发明进一步的方案：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。

作为本发明进一步的方案：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。