公开/公告号CN112884207A
专利类型发明专利
公开/公告日2021-06-01
原文格式PDF
申请/专利权人 浙江萃文科技有限公司;
申请/专利号CN202110104134.8
申请日2021-01-26
分类号G06Q10/04(20120101);G06Q50/20(20120101);G06F17/18(20060101);
代理机构22214 长春众邦菁华知识产权代理有限公司;
代理人朱红玲
地址 313300 浙江省湖州市安吉县昌硕街道安吉大道8号凤凰山西侧7幢4层428室
入库时间 2023-06-19 11:11:32
技术领域
本发明涉及概率计算方法技术领域,具体涉及一种基于MLE的高校录取概率预测方法。
背景技术
高考是无数学子实现自己人生理想的重要跳板,同时也是人生的一个转折点。如今社会对高考的重视是毋庸置疑的,而如何正确合理高效的填报志愿甚至有时显得比考试本身还要重要。报考时随着倾向角度不同,选择也会有所差异,例如有些人更倾向于地域,比较想去北上广等一些发达城市读大学,以后的发展机会可能更多;还有倾向于专业的,对某领域比较感兴趣;还有就是对高校的倾向,想去自己理想的大学。
现有的许多报考平台基本都是基于对专业的录取概率的预测,结合批次线,排名以及每年录取线等多方面因素进行预测。这种方法没有考虑到考生对高校的选择倾向,很多考生或者家长更在乎的是所考分数考上某所高校的概率有多大,所以首先看的是高校录取概率,然后在高校中再选择专业,看哪些专业能够被录取的概率较大,再决定自己的志愿填报。
需要解决的问题就是给出一个直观的高校录取概率,从而为那些倾向于高校角度的考生和家长提出正确合理的建议。
发明内容
本发明解决的技术问题是提供一种基于MLE的高校录取概率预测方法,利用高校下设专业的录取概率,通过MLE即极大似然估计法来给出对高校录取概率的预测,其中在对专业录取概率预测时更是引入白噪声来表示影响录取概率的不确定因素。
基于MLE的高校录取概率预测方法,该方法由以下步骤实现:
步骤一、数据统计;
步骤二、专业录取概率的预测;
步骤三、高校录取概率的预测;具体为:
设定高校下的所有专业组成的样本为独立同分布变量,样本序列为X=(X
公式
符号L代表依分布收敛,其中Σ=(π
获得高校录取概率函数的均值和方差,由于高校录取概率也服从正态分布,获得高校录取概率函数,将所述高校录取概率函数代入当年分数则得到高校录取概率。
本发明的有益效果:本发明提供了一种预测高校录取概率的有效方法,相比较传统的对于专业录取概率的预测,本发明更直观的给考生或者家长高校层面的概率描述,对于更注重于高校而非专业的考生提供了有效的参照。
本发明方法不仅对专业录取概率有所计算,并且从高校的角度考虑了选定大学的录取概率,使得考生和家长能够更加直观的了解能被自己心仪大学录取的机会大小,解决了以往报考平台只针对专业的录取概率预测的缺陷,融入白噪声刻画录取概率中的不确定扰动因素,运用MLE即极大似然估计法来对高校录取概率模型进行推导,增加了预测的准确性,增加了报考维度。
附图说明
图1为本发明提供的基于MLE的高校录取概率预测方法流程图;
图2为本发明提供的加入白噪声的专业录取概率函数图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本领域技术人员更清楚地理解本发明的目的、特征和优点。
参考图1,为本发明提供的基于MLE的高校录取概率预测实现方法流程图,具体步骤如下所示:
步骤1、数据统计:统计近3~5年各省份考生人数、分数在各省份排名,各高校具体专业近3~5年在各省招生最低录取分数等数据。
步骤2、专业录取概率的预测:计算当年考分相当于往年的分数即等同分数,等同分数的求法结合当年的考生数等因素,形成等同分数样本序列:
这里样本量取值N=3,4,5依据往年该专业具有数据的年分数来取值,进一步计算样本的均值和标准差,如果定义k=1,2,…,N,那么均值为:
样本标准差为:
由于分数的分布整体呈正态分布,加入白噪声后得到的概率函数为:
其中
进一步运用Bayes公式,求得专业录取概率为:
条件概率中将分数在各省份排名,各高校具体专业近几年在各省招生最低录取分数考虑了进来,从而得到根据实际情况的录取概率。
步骤3、高校录取概率的预测:高校下设的所有专业组成的样本为独立同分布变量,样本序列为X=(X
进一步
p(x
如果用:
代表Dirichlet函数,那么有上述偏导数的概率矩阵用I
其中E为期望,上式用矩阵形式表示有:
其中1
则上述矩阵的逆矩阵为:
若记N
其中Σ=(π
从而得到高校录取概率函数的均值和方差,由于高校录取概率也服从正态分布,所以很容易求得高校录取概率函数。代入当年分数就可以得到高校录取概率。
通过上述过程,计算2019年吉林省理科580分对部分大学的录取概率
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
机译: 使用概率模型和地图数据确定城市购物中心路线的路线预测方法,涉及基于当前确定的道路类别概率模型选择车辆地图数据的区域
机译: 基于人工智能模型的肺癌概率预测方法分析医学图像的医学图像分析
机译: 基于人工智能模型的肺癌概率预测方法分析医学图像和分析医学图像