买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于特征交互神经树的学生学业预警预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119849701B 。

龙图腾网通过国家知识产权局官网在2025-11-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510042779.1，技术领域涉及：G06Q10/04；该发明授权基于特征交互神经树的学生学业预警预测方法是由刘如意;吕筱晗;苗启广;宋建锋;吴帅;李荣涵;谢琨;卢子祥设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本基于特征交互神经树的学生学业预警预测方法在说明书摘要公布了：基于特征交互神经树的学生学业预警预测方法，其方法是：首先从学校系统采集和整理学生在学校里产生的各种行为数据，构建学生行为数据集，通过改进SMOTE算法对少数类样本进行生成，缓解数据集不平衡的问题；其次通过多元高斯编码对平衡后的数据集进行编码，并利用层归一化对平衡后的数据进行标准化；然后将处理后的数据输入特征交互神经树模块FINTBlock，加强特征表示能力，利用加权平均机制融合所有DODT输出；最后结合残差连接，将多个FINTBlock进行堆叠，得出准确且具有可解释性的学业预警预测分类结果。

本发明授权基于特征交互神经树的学生学业预警预测方法在权利要求书中公布了：1.一种基于特征交互神经树的学生学业预警预测方法，其特征在于，具体包括以下步骤： 步骤1，构建学生行为特征数据集，包括课程签到率、学业成绩、上网时长、进入图书馆次数，采用改进SMOTE算法生成少数类样本，以平衡数据集； 步骤1.1计算样本的相对邻域密度； 步骤1.2选择相对邻域密度大于设定阈值的少数类样本作为中心点xcenter，并根据中心点xcenter及其近邻样本，构建以xcenter为中心的超球体，在超球体内部通过非线性变换生成新样本； 步骤2，通过多元高斯编码对步骤1平衡后的数据集进行编码处理，并利用层归一化对处理后的特征数据进行标准化处理； 步骤3，将步骤2标准化处理得到的特征数据，输入到特征交互神经树模块FINTBlock中，特征交互神经树模块FINTBlock首先通过特征选择模块选择与预测相关性高的特征，减少冗余特征的干扰，其次将经过选择的特征向量输入特征交互层FIL，利用自注意力关注单个样本的内部特征关系，利用样本间注意力关注不同样本之间的特征关系，然后通过多棵可微分决策树DODT并行完成分类决策，每棵可微分决策树DODT对输入特征单独进行特征分裂和预测，最后通过加权融合机制将所有可微分决策树DODT的输出集成为最终的分类结果； 步骤4，将多个特征交互神经树模块FINTBlock堆叠在一起，每个Block的输出通过残差连接与其输入进行相加操作，以形成最终的特征表示，最终得到学业预警预测分类预测结果，具体包括：通过残差连接堆叠多个特征交互神经树模块FINTBlock，缓解梯度消失问题、简化网络训练过程： Xt+1＝RELUOXt+Xt 其中，L表示是有L个特征交互神经树模块FINTBlock通过残差连接堆叠在一起，OXt是经过多棵可微分决策树DODT加权平均融合后的结果，Xt+1是第t层的输出特征，output表示最终的学业预警预测分类结果； 用交叉熵损失函数Cross-EntropyLoss优化整个模型的参数，包括特征选择矩阵P、FIL中注意力机制的查询、键和值矩阵的参数、DODT中的分裂阈值S、两层神经网络的网络参数Θ，最终输出学业预警预测分类结果； 其中，N是样本数量，C是类别数量，yic是第i个样本在类别c的真实标签，是第i个样本在类别c的预测概率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。