[发明专利]一种基于机器学习算法的学习模式认知方法及装置

权利要求书

1.一种基于机器学习算法的学习模式认知方法，其特征在于：包括以下步骤；

S1，获取本地学习数据，根据该本地学习数据建立不同学习组模型，根据不同学习组模型生成不同的学习模式；

S2，建立粒子群算法，根据该粒子群算法与不同的学习模式建立粒子群算法模型；

S3，获取待计算学习数据，根据粒子群算法模型对该待计算学习数据进行计算，并匹配对应的学习模式。

2.如权利要求1所述的基于机器学习算法的学习模式认知方法，其特征在于：步骤S1中，获取本地学习数据，根据该本地学习数据建立不同学习组模型，根据不同学习组模型生成不同的学习模式，还包括以下步骤，获取本地学习数据，所述本地数据包括：学习内容数据，学习场景数据以及学习时间数据，根据学习内容数据建立不同内容集合，将该内容集合作为学习组模型，根据该学习组模型、学习场景数据以及学习时间数据生成不同的学习模式。

3.如权利要求2所述的基于机器学习算法的学习模式认知方法，其特征在于：根据学习内容数据建立不同内容集合，将该内容集合作为学习组模型，还包括以下步骤，设定优先度评定词语，从学习内容数据中提取每个词语的使用频率，根据优先度评定词语对学习内容数据中每个词语的优先级进行判断，词语使用频率越多对应的优先级越高，将每个词语的优先级与对应的学习内容数据对应，并将该内容集合作为学习组模型。

4.如权利要求2所述的基于机器学习算法的学习模式认知方法，其特征在于：根据该学习组模型、学习场景数据以及学习时间数据生成不同的学习模式，还包括以下步骤，将学习组模型、学习场景数据以及学习时间数据进行排列组合，生成不同的学习模式，每种学习组模型对应不同的学习场景数据以及学习时间数据，每种学习场景数据对应不同的学习组模型以及学习时间数据。

5.如权利要求4所述的基于机器学习算法的学习模式认知方法，其特征在于：步骤S2中，建立粒子群算法，根据该粒子群算法与不同的学习模式建立粒子群算法模型，还包括以下步骤，建立粒子群算法，将不同的学习模式中各项数据作为粒子群算法中的查询范围，并与粒子群算法进行关联，根据该粒子群算法与不同的学习模式建立粒子群算法模型。

6.如权利要求5所述的基于机器学习算法的学习模式认知方法，其特征在于：所述粒子群算法包括：

v_id＝w·v_id+c₁·rand₁()·(P_id-x_id)+c₂·rand₂()·(P_gd-x_id)；

其中，v_id代表粒子速度，w代表惯性权重，c₁和c₂代表加速常数，rand₁()和rand₂()代表两个在[0,1]范围里变化的随机值，P_id代表粒子查询过得位置，x_id代表粒子的查询范围，P_gd代表粒子最好适应度值。

7.如权利要求5所述的基于机器学习算法的学习模式认知方法，其特征在于：步骤S3中，获取待计算学习数据，根据粒子群算法模型对该待计算学习数据进行计算，并匹配对应的学习模式，还包括以下步骤，获取待计算学习数据，根据粒子群算法模型对该待计算学习数据进行计算，根据计算的各项结果从不同的学习模式中匹配出对应的学习模式。

8.一种基于机器学习算法的学习模式认知装置，其特征在于，所述基于机器学习算法的学习模式认知装置包括：

获取模块，用于获取本地学习数据，根据该本地学习数据建立不同学习组模型，根据不同学习组模型生成不同的学习模式；

算法模型建立模块，用于建立粒子群算法，根据该粒子群算法与不同的学习模式建立粒子群算法模型；

计算匹配模块，用于获取待计算学习数据，根据粒子群算法模型对该待计算学习数据进行计算，并匹配对应的学习模式。