.png){kind=icon}
返回
SailMutLoc: a sailfish-mutation enhanced optimization algorithm for student performance prediction
.png){kind=icon}
OA
AI
DOI：10.1016/j.asej.2025.103898.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
特征选择使教育数据挖掘能够提供个性化支持并提升学生表现。在使用高维教育数据集时，传统特征选择技术存在早熟收敛和特征集不足的问题。当这些算法未能平衡探索与开发时，就会发生低效的特征选择。我们提出了SailMutLoc算法，这是一种基于剑鱼行为并借助变异算子和局部搜索的集成优化方法，用以解决这些问题。SailMutLoc结合了剑鱼算法（SFA）的全局搜索与SCM的精细调整精度及变异驱动的探索。迭代局部搜索（ILS）增强了局部优化结果。由于变异引入了不可预测性，SailMutLoc能够在不陷入局部最优解的情况下探索特征空间。在针对真实教育数据集的研究中，SailMutLoc在分类准确率、计算时间和特征质量方面均优于标准方法。在教育数据挖掘领域，SailMutLoc能够处理广阔的特征空间并改进学生表现预测。
Keyword:
Educational Data Mining
Optimization Technique
Sailfish Optimization
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.9
论文数:
3.5K
被引数:
1.2W
机构
引用论文
The Sailfish Optimizer: A novel nature-inspired metaheuristic algorithm for solving constrained engineering optimization problemsSailfish优化器: 一种新颖的自然启发的元启发式算法，用于解决约束工程优化问题
PREAI
分享收藏Navigating the Complexity of Entrepreneurial Ethics: A Systematic Review and Future Research Agenda驾驭创业伦理的复杂性: 系统回顾和未来研究议程.png)
SUSTAINABILITY
OAAI
SUSTAINABILITYIF3.3
OAAI分享收藏A Data Driven Model for Predicting the Academic Performance of Students Employing ANN-PSO Hybrid Approach基于ANN-PSO混合方法的数据驱动模型，用于预测学生学业表现
PREAI
分享收藏分享收藏Identifying At-Risk Students for Early Intervention—A Probabilistic Machine Learning Approach识别高风险学生以进行早期干预——一种概率性机器学习方法OAAI
OAAI分享收藏Managing the Strategic Transformation of Higher Education through Artificial Intelligence通过人工智能管理高等教育的战略转型OAAI
OAAI分享收藏Artificial intelligence-enabled prediction model of student academic performance in online engineering education基于人工智能的在线工程教育学生学业成绩预测模型OAAI
OAAI分享收藏
查看更多内容