线上百分位回归模型在高校录取分数预测工程中的应用
发布时间：2023-01-06 20:45
高考是我国目前高等院校录取考生的主要方式,有效预测高考录取相关数据,指导考生合理填报高考志愿,具有很强的现实意义。目前对高校高考录取分进行预测的常见方法有线差法、等效分法、平均排位法、灰色预测模型等,但这些方法均存在忽视了考生分数、排名与当年分数线之间的联系,忽略了高校发展趋势变化及录取最低分偏离常态等因素对预测准确度的影响问题,进而影响了整体预测精度。在前人研究的基础上,提出了线上百分位与线性回归相结合的高校录取分数预测模型,并通过异常值的剔除对模型进行优化。首先通过构建线上百分位解决题目难易程度、当年分数线、考生排名位次、整体招生规模等因素对预测模型的影响问题。其次在平均分线上百分位上做线性回归找出高校录取水平变化趋势,再借助最低分线上百分位与平均分线上百分位之间的平均差值预测出下年度高校录取最低分线上百分位和录取分数。最后基于方差分析设计了最低分异常值剔除算法以消除因点招等因素产生的异常最低分对预测精度的影响。选取2017年在河北省招生的本科一批院校理科录取数据,筛选出高校5、4、3年历史数据,分别应用线上百分位回归模型、剔除异常值线上百分位回归模型、平均排位法及剔除异常值平均排...
【文章页数】：73 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
引言
第1章 绪论
1.1 研究背景
1.2 研究意义
1.3 相关研究现状
1.3.1 招考信息系统发展现状
1.3.2 高考录取分数预测方法的研究现状
1.4 研究内容与方法
1.4.1 研究内容
1.4.2 研究方法
1.4.3 技术路线图
1.5 主要创新点
第2章 相关理论基础
2.1 异常值剔除理论基础
2.1.1 异常值的概念
2.1.2 异常值剔除的方法
2.2 方差分析理论基础
2.2.1 单因素方差分析的概念及基本步骤
2.2.2 方差分析的假设检验
2.3 回归分析理论基础
2.3.1 回归分析的概念及主要内容
2.3.2 回归分析的基本步骤
2.4 最小二乘法理论基础
2.4.1 最小二乘法的核心思想
2.4.2 线性最小二乘法的基本公式
2.5 平均排位法
2.6 本章小结
第3章 研究方案设计
3.1 设计原则
3.2 线上百分位模型
3.3 基于方差分析的异常值剔除
3.4 异常值剔除的平均排位法
3.5 线上百分位回归模型
3.5.1 异常值未剔除的线上百分位回归模型
3.5.2 异常值剔除的线上百分位回归模型
3.6 本章小结
第4章 方案实施
4.1 数据采集
4.1.1 数据来源
4.1.2 数据集字段信息
4.1.3 数据集概况
4.2 录取最低分异常值剔除
4.3 模型验证与分析
4.3.1 异常值剔除的平均排位法验证与分析
4.3.2 线上百分位回归模型验证与分析
4.3.3 异常值剔除的线上百分位回归模型验证与分析
4.3.4 模型验证结果分析
4.4 典型院校数据分析及模型应用
4.5 本章小结
结论
参考文献
附录A 高校录取分数预测数据对比
致谢
导师简介1
导师简介2
作者简介
学位论文数据集
【参考文献】：
期刊论文
[1]单因素方差分析在专业认同研究中的应用[J]. 周蓉,伍宁杰. 科技经济导刊. 2019(04)
[2]基于智慧决策的高考志愿辅助填报方案[J]. 彭世辰. 计算机时代. 2017(12)
[3]支持向量机在高考成绩预测分析中的应用[J]. 张莉,卢星凝,陆从林,王邦军,李凡长. 中国科学技术大学学报. 2017(01)
[4]求解单输出非线性LS-SVR的两种算法的比较研究[J]. 侯敏,赵春晖. 聊城大学学报(自然科学版). 2016(03)
[5]高考志愿预测的数学模型研究[J]. 王智星,邓艳,胡忠红. 电脑知识与技术. 2016(10)
[6]基于本体的高考志愿填报辅助系统的设计与实现[J]. 陈林. 信息系统工程. 2015(01)
[7]组合预测模型在高考数据预测中的应用研究[J]. 李敬文,陈志鹏,李宜义,祁士东. 计算机工程与应用. 2014(07)
[8]最小二乘法分段直线拟合[J]. 田垅,刘宗田. 计算机科学. 2012(S1)
[9]ID3算法在高考志愿分析中的应用[J]. 徐飞,谢憬憬,张连堂. 河南大学学报(自然科学版). 2008(02)
[10]分析数据中离群值的处理方法[J]. 赵辉,邵素华,谢东坡. 周口师范学院学报. 2004(05)
博士论文
[1]基于模糊集理论的灰色预测模型及其应用[D]. 李守军.中国矿业大学 2018
硕士论文
[1]基于回归的稀疏矩阵分解方法的研究及在测序数据中的应用[D]. 陆瑶.曲阜师范大学 2018
[2]陕西省干线公路沥青路面养护指标阈值研究[D]. 霍强.长安大学 2017
[3]基于K近邻法的高考录取预测研究[D]. 陈波.湘潭大学 2017
[4]高考志愿填报关键技术研究及系统实现[D]. 徐宗保.江苏大学 2017
[5]基于OLAP和数据挖掘技术的高考成绩分析[D]. 杨娟.苏州大学 2016
[6]支持向量机在高考成绩预测分析中的应用[D]. 陆丛林.苏州大学 2015
[7]线性回归模型的总体最小二乘平差算法及其应用研究[D]. 汪奇生.昆明理工大学 2014
[8]可用性研究中用户访谈结果信效度评测模型构建[D]. 马倩.北京邮电大学 2013
[9]高考考生志愿数据分析与挖掘研究[D]. 殷员分.西南大学 2010
[10]数据挖掘技术在考生志愿分析中的应用研究[D]. 刘金鹏.河南大学 2009
本文编号：3728321
【文章页数】：73 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
引言
第1章 绪论
1.1 研究背景
1.2 研究意义
1.3 相关研究现状
1.3.1 招考信息系统发展现状
1.3.2 高考录取分数预测方法的研究现状
1.4 研究内容与方法
1.4.1 研究内容
1.4.2 研究方法
1.4.3 技术路线图
1.5 主要创新点
第2章 相关理论基础
2.1 异常值剔除理论基础
2.1.1 异常值的概念
2.1.2 异常值剔除的方法
2.2 方差分析理论基础
2.2.1 单因素方差分析的概念及基本步骤
2.2.2 方差分析的假设检验
2.3 回归分析理论基础
2.3.1 回归分析的概念及主要内容
2.3.2 回归分析的基本步骤
2.4 最小二乘法理论基础
2.4.1 最小二乘法的核心思想
2.4.2 线性最小二乘法的基本公式
2.5 平均排位法
2.6 本章小结
第3章 研究方案设计
3.1 设计原则
3.2 线上百分位模型
3.3 基于方差分析的异常值剔除
3.4 异常值剔除的平均排位法
3.5 线上百分位回归模型
3.5.1 异常值未剔除的线上百分位回归模型
3.5.2 异常值剔除的线上百分位回归模型
3.6 本章小结
第4章 方案实施
4.1 数据采集
4.1.1 数据来源
4.1.2 数据集字段信息
4.1.3 数据集概况
4.2 录取最低分异常值剔除
4.3 模型验证与分析
4.3.1 异常值剔除的平均排位法验证与分析
4.3.2 线上百分位回归模型验证与分析
4.3.3 异常值剔除的线上百分位回归模型验证与分析
4.3.4 模型验证结果分析
4.4 典型院校数据分析及模型应用
4.5 本章小结
结论
参考文献
附录A 高校录取分数预测数据对比
致谢
导师简介1
导师简介2
作者简介
学位论文数据集
【参考文献】：
期刊论文
[1]单因素方差分析在专业认同研究中的应用[J]. 周蓉,伍宁杰. 科技经济导刊. 2019(04)
[2]基于智慧决策的高考志愿辅助填报方案[J]. 彭世辰. 计算机时代. 2017(12)
[3]支持向量机在高考成绩预测分析中的应用[J]. 张莉,卢星凝,陆从林,王邦军,李凡长. 中国科学技术大学学报. 2017(01)
[4]求解单输出非线性LS-SVR的两种算法的比较研究[J]. 侯敏,赵春晖. 聊城大学学报(自然科学版). 2016(03)
[5]高考志愿预测的数学模型研究[J]. 王智星,邓艳,胡忠红. 电脑知识与技术. 2016(10)
[6]基于本体的高考志愿填报辅助系统的设计与实现[J]. 陈林. 信息系统工程. 2015(01)
[7]组合预测模型在高考数据预测中的应用研究[J]. 李敬文,陈志鹏,李宜义,祁士东. 计算机工程与应用. 2014(07)
[8]最小二乘法分段直线拟合[J]. 田垅,刘宗田. 计算机科学. 2012(S1)
[9]ID3算法在高考志愿分析中的应用[J]. 徐飞,谢憬憬,张连堂. 河南大学学报(自然科学版). 2008(02)
[10]分析数据中离群值的处理方法[J]. 赵辉,邵素华,谢东坡. 周口师范学院学报. 2004(05)
博士论文
[1]基于模糊集理论的灰色预测模型及其应用[D]. 李守军.中国矿业大学 2018
硕士论文
[1]基于回归的稀疏矩阵分解方法的研究及在测序数据中的应用[D]. 陆瑶.曲阜师范大学 2018
[2]陕西省干线公路沥青路面养护指标阈值研究[D]. 霍强.长安大学 2017
[3]基于K近邻法的高考录取预测研究[D]. 陈波.湘潭大学 2017
[4]高考志愿填报关键技术研究及系统实现[D]. 徐宗保.江苏大学 2017
[5]基于OLAP和数据挖掘技术的高考成绩分析[D]. 杨娟.苏州大学 2016
[6]支持向量机在高考成绩预测分析中的应用[D]. 陆丛林.苏州大学 2015
[7]线性回归模型的总体最小二乘平差算法及其应用研究[D]. 汪奇生.昆明理工大学 2014
[8]可用性研究中用户访谈结果信效度评测模型构建[D]. 马倩.北京邮电大学 2013
[9]高考考生志愿数据分析与挖掘研究[D]. 殷员分.西南大学 2010
[10]数据挖掘技术在考生志愿分析中的应用研究[D]. 刘金鹏.河南大学 2009
本文编号：3728321
本文链接：https://www.wllwen.com/jiaoyulunwen/gaodengjiaoyulunwen/3728321.html