专利名称：基于过程挖掘的在线学习行为模型挖掘系统及其挖掘方法      申请号：2020116311909     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：过程 在线学习   相似专利 发布日：2023/10/17  
摘要： 本发明公开了一种基于过程挖掘的在线学习行为模型挖掘系统及其挖掘方法，包括：数据分组模块，把学生的在线行为数据按学生成绩分为优、良、中、差四组；两层事件日志生成模块，根据已知的在线行为与认知行为的映射关系，分别获取优、良、中、差每组学生认知行为事件日志及其中每个认知行为的具体在线行为事件日志，即两层事件日志；两层行为模型生成模块，以两层事件日志为输入，利用过程挖掘算法生成两层行为过程模型。本发明为发现学生行为过程模型供了新系统和方法。将两层行为过程模型作为教育数据分析中学生行为分析的有效手段，能更精确的发现有效的在线学习方式，对在线教育行业的发展具有指导意义。

专利名称：在线学习系统中的学生建模与个性化课程推荐方法      申请号：2019100569528     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 在线学习   相似专利 发布日：2023/10/17  
摘要： 本发明公开了一种在线学习系统中的学生建模与个性化课程推荐方法，属于教育数据挖掘领域，本发明主要研究学生的认知水平建模以及个性化课程推荐推荐，首先，基于认知诊断模型对学生的知识掌握状态进行判断，并利用系统平台上的数据分析学生的学习行为，进而综合课程掌握情况对学生的认知能力进行建模；其次，对在线课程建模；最后根据学生认知水平融合在线课程的特征进行个性化推荐。本发明基于学生认知水平并结合在线课程的特征指标来进行个性化推荐，不但能帮助用户进行更加精准的个性化课程推荐，而且使得在线课程推荐更具可解释性和可接受性。

专利名称：一种基于关键帧的在线学习的离线视频跟踪方法      申请号：2015100102279     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：音视频 跟踪 在线学习   相似专利 发布日：2024/07/25  
摘要： 本发明公开了一种基于关键帧的在线学习的离线视频跟踪方法，包括以下步骤：对于给定的离线视频，选择一定数量的关键帧进行标注，并由此构建完备的模板字典，在跟踪过程中，对于每一个候选图像区域，计算其与纯净模板子块之间的距离，从而有效对纯净模板子块进行选择，提高计算效率；为了减少跟踪误差的积累，采用循环跟踪的策略将开环问题转化为闭环问题，从而有效地提高目标跟踪的鲁棒性；利用跟踪的结果，对动态模板进行在线地半监督学习，以适应目标表观的变化。在跟踪过程中对目标模板字典进行有效地在线学习，从而避免每次模板更新所带来的误差累积；采用循环跟踪的策略将开环问题转化为闭环问题，从而有效的提高目标跟踪的鲁棒性。

专利名称：一种基于在线学习的网络资源推荐方法及装置      申请号：2014106024777     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络 网络传输 资源 在线学习   相似专利 发布日：2023/08/14  
摘要： 本发明实施例公开了一种基于在线学习的网络资源推荐方法及装置，该方法包括：根据用户针对展示的网络资源的反馈日志，对用于推荐网络资源的数据模型进行训练；基于所述数据模型对需要推荐的网络资源按照E&E算法进行打分和推荐；对推荐的网络资源进行展示。本发明实施例以用户的反馈来训练数据模型，实现对数据模型进行快速反复的迭代，能提高推荐策略的反应速度和推荐的准确率。

专利名称：一种面向在线学习的学习状态自动识别方法      申请号：2021105148255     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 在线学习   相似专利 发布日：2023/07/17  
摘要： 本发明公开了一种面向在线学习的学习状态自动识别方法，首先使用网络摄像头收集学习者的表情、身体姿态和眼动等信息，再通过视频图像对学习者进行情感状态、专注状态和注视状态三种状态的识别，然后使用加权平均法对三种状态按照权重求和进行信息融合，计算出学习状态，最后由学习状态得出学习者积极或消极的结果。使用本发明方法学习者只需使用配备网络摄像头的台式电脑、笔记本电脑或各种移动设备进行在线学习，就可以进行实时学习状态监测，不需要配备额外的专业设备，是一种低成本可大范围应用的方案。

专利名称：基于在线学习的复杂工业关键部件故障预测方法及系统      申请号：2018107609409     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：部件 在线学习   相似专利 发布日：2023/04/04  
摘要： 本发明涉及复杂工业设备故障预测技术领域，具体涉及一种基于在线学习的复杂工业关键部件故障预测方法及系统，通过建立基于在线学习的复杂工业关键部件故障预测体系，再通过规范化的故障预测结果不确定性评估体系改进故障预测体系，构建组合预测模型体系，将获取到的复杂工业关键部件的健康特征指数作为输入数据，通过组合预测模型体系获得预测结果，能有效提高制造过程中复杂工业关键部件的故障预测精确度。

专利名称： 一种在线学习型个性化智能家居系统及其控制方法      申请号：2017108110978     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：家居 在线学习   相似专利 发布日：2023/11/27  
摘要： 本发明公开了一种在线学习型个性化智能家居系统及其控制方法，用以实现让智能家居系统能够学习用户习惯，从而在线个性化营造出更贴近与用户习惯的家居环境，本发明采用如下的技术方案实现，通过部署在家居环境中的各类具有WIFI通信模块的数据采集节点将家居环境中的温度、湿度、光照强度实时数据上传到在线学习型个性化智能家居系统数据库中，以及记录用户手动调节的温度、湿度、光照强度数据保存到在线学习型个性化智能家居系统数据库中，提出机器学习和智能家居相结合，通过在机器学习系统中引入径向基函数神经网络不断的学习数据库中用户数据，从而让智能家居系统自己做出预测调节空调、LED灯、加湿器、窗帘智能家居，使其展现出比传统智能家居更高的智能性和便利性。