[发明专利]一种面向高考志愿填报的辅助决策方法

摘要

一种面向高考志愿填报的辅助决策方法，包括以下步骤：数据预处理、录取分数预测、志愿匹配和志愿评估，其中数据预处理是对相关的信息进行初步处理，录取分数预测是指根据历史数据预测每一个学校当年的录取分数；志愿匹配是指根据志愿填报人的分数、意愿等相关信息，为申报人提供符合要求的学校或学校列表，并按照高考志愿填报格式为申报人提供不同的志愿组合；志愿评价是指对志愿匹配的结果进行录取可能性评价；本发明以历年来高考录取数据为基础，预测当年所需学校的录取分数；根据志愿填报人的分数、意向等信息，获得满足填报人需求的学校，对获得的满足条件的学校进行评估，给出一个录取可能性评价，共同支撑填报人完成志愿填报。

主权项

一种面向高考志愿填报的辅助决策方法，其特征在于：所述方法包括以下步骤：步骤一、数据预处理步骤101、假定学校信息和影响志愿填报因素的各个分量的集合为，其中，每一个元素是S中的一个子集，代表一个具体的分量；步骤102、使用近似最优哈弗曼编码函数，对中元素中的每一个元素进行编码，则，其中，是中的元素经过编码后的编码值集合，中的每一个元素对应中一个特定元素的编码；步骤103、将中元素按照优先级从高到底排序，得到一个m维向量；步骤104、对集合S中的每一个元素都依次进行步骤102和步骤103处理，得到和对应的按照中元素优先级排序的k维向量，且集合S经过归一化编码后转换为,其中，是一个中元素编码按优先级高低排序的向量；步骤105、分别用m纬向量和n纬向量表示学校信息和影响志愿填报因素信息，其中，每一个元素表示学校的一个属性，其取值为对应类型编码向量中的一个分量，每一个元素一个具体的影响因素，其取值为对应类型编码向量中的一个分量，根据向量U和向量Q生成最终的志愿信息，其中，表示学校，表示专业；步骤二、录取分数预测步骤201、创建隐马尔科夫模型，求取模型中的各个参数值，且该模型具有以下元素：（1）状态S，，N为模型状态的个数；（2）观测状态V，，M为不同观测符号的个数；（3）状态转移概率，，其中；（4）观测状态转移概率，其中；（5）初始状态概率，其中；步骤202、给定，根据前向计算和后向计算两种情况计算；步骤203、前向计算：对,进行递归计算，最终得到；步骤204、后向计算：对进行递归计算，最终得到；步骤205、由前向计算和后向计算可得，；步骤206、给定观测序列和模型参数，定义为时刻时 Markov 链处于状态和时刻处于状态的概率，即：，则在时刻，Markov 链处于状态的概率为：，利用公式计算从状态转移到状态的概率，其中，表示从状态转移到状态的次数的期望值，表示从状态转移的次数的期望值；步骤207、利用公式计算在状态观测的概率；步骤208、根据上述步骤得到的参数形成新的模型，其中，，，，，利用历年历史分数数据对该模型重复训练，并调整该模型的参数，直至收敛，此时得到的即为可预测当年录取分数的分数线预测模型；步骤三、志愿匹配步骤301、根据填报人的志愿需求生成志愿需求集合，且PQ的分量是步骤105中的分量的子集，其中一个分量表示一个具体的需求，且上述需求按重要性排序，从中选取第1个需求因素，并根据匹配从学校信息数据库中的学校信息，筛选出满足条件的大学的集合；步骤302、从中选取第2个需求因素，并根据匹配集合的学校信息，筛选出满足条件的大学的集合；步骤303、依次选取中的各个需求因素，直至第i次时，从中选取第i个需求因素，并根据匹配集合的学校信息，筛选出满足条件的大学的集合；步骤304、重复到从志愿填报人的个性化需求中选取第N个需求因素，并根据匹配集合的学校信息，筛选出满足条件的大学的集合，即为满足考生所有要求的学校集合；步骤305、根据志愿填报人的实际需求，生成最优志愿、随机志愿或者自定义志愿；最优志愿：从中选取最靠前的x个学校，其中x为当年允许填报的学校数，并为每个选中的学校选取中的专业，生成一个志愿项，其中，y是一个学校允许填报的专业数，如果中的专业数大于或等于y个，则选取中最优的个y专业；如果中的专业数小于y个，则再从该学校中选取若干个最优专业，与中专业一起构成y个专业，最终形成志愿；随机志愿：从中随机选取x个学校，并为每个选中的学校选取中的专业，生成一个志愿项，其中，x为当年允许填报的学校数，y是一个学校允许填报的专业数，如果中的专业数大于或等于y个，则随机选取中的个y专业；如果中的专业数小于y个，则再从该学校中随机选取若干个专业，与中专业一起构成y个专业，最终形成志愿；自定义志愿：由填报人手动从中选取x个学校并为每个的学校选取y个专业，其中，x为当年允许填报的学校数，y是一个学校允许填报的专业数，生成一个志愿项，最终形成志愿；步骤四、志愿评价步骤401、假定影响志愿录取结果的风险因素集；步骤402、假定评价风险的基本标准集合为，i为设定标准的个数；步骤403、建立等级的评价标准用来计算每个风险的平均分，建立的等级；步骤404、确定每个标准的权重，将风险因素集中的全部因素进行评价，获得O到的模糊关系，，，其中，，，，利用公式计算到的模糊变换，其中为评价因素权重集，为第个评价因素对应的权重系数，且满足；步骤405、使用模糊复合算子对每个风险进行评估，算子描述为：，算子中的符号⊕表示权重和隶属函数的总和；步骤406、应用模糊评价向量的正交化计算，获得志愿中每一个学校以及每一个专业的风险指数：；步骤407、利用集合估算最终录取评价可能，其中，是对学校的专业的录取可能性评价；步骤408、如果步骤407中得到的志愿评价低于系统设定录取比率，则提示用户重新选择志愿，如果填报人认为评估录取比率较低，可重新选择志愿；否则，直接生成该志愿填报人的最终志愿。