[发明专利]基于深度学习算法的高考分数预估及志愿选择方法、系统

摘要

本发明公开了一种基于深度学习算法的高考分数预估及志愿选择方法，包括：根据往年各高校各专业各生源地的分数线和线差，通过LSTM神经网络算法预测当前年度各高校各专业各生源地的线差；根据预测出的当前年度各高校各专业各生源地的线差，确定考生生源地当前年度各级别高校分数线；根据考生生源地，对其当前年度成绩值进行判断，并采用DNN神经网络算法计算得出相关的高校专业结果；根据匹配出的高校专业结果，得到初步报考方案；将初步报考方案与高校政策类信息结合分析，得到最终报考方案。本发明还提供了一种基于深度学习算法的高考分数预估及志愿选择系统。本发明的有益效果：去除人为主观性影响，使得专业选择更具备科学性，更为准确。

主权项

1.一种基于深度学习算法的高考分数预估及志愿选择方法，其特征在于，包括：步骤1，根据往年各高校各专业各生源地的历史分数线和线差数据，通过LSTM神经网络算法预测当前年度各高校各专业各生源地的线差数据，并对预测出来的各高校各专业各生源地的线差值进行分组；步骤2，根据预测出的当前年度各高校各专业各生源地的线差数据，确定考生生源地当前年度各级别高校分数线，包括一本、二本、三本和专科分数线；步骤3，考生输入当前年度的成绩值，根据所在生源地，对其输入的成绩值进行判断：当输入的成绩值为其实际考取的成绩时，采用DNN神经网络算法训练得出该考生成绩所对应的线差，与步骤1中所得的各高校各专业的线差值分组进行匹配，得出相关的高校专业结果；当输入的成绩值为其预估的成绩时，对输入的预估成绩进行模糊化处理，得到该考生的预估分数区间，并结合考生的高中数据，采用DNN神经网络算法联合训练后，得出相关的高校专业结果；步骤4，根据匹配出的高校专业结果，得到初步报考方案；步骤5，将初步报考方案与高校政策类信息结合分析，得到最终报考方案。