.png){kind=icon}
返回
Student performance prediction model using HLRO-DMN
.png){kind=icon}
PRE
AI
DOI：10.1504/IJBIC.2026.153410.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种基于深度maxout网络（DMN）的混合领导者吸盘优化算法（HLRO_DMN），用于准确预测学生表现。首先，利用Yeo-Johnson变换将数据集获取的输入数据转换为合适格式。然后，采用Dice系数进行最优特征选择，该系数结合了Fisher得分和Tversky指数得到的特征评分。此外，通过自助法（bootstrapping）完成数据增强，并由DMN执行性能预测，其中DMN的权重由HLRO算法调整。此外，HLRO_DMN的实验在均方误差（MSE）、均方根误差（RMSE）和平均绝对误差（MAE）等指标上获得了最佳结果，该方案对应的预测值精度分别为5.4032、0.175、0.4444和91.314。
Keyword:
remora optimisation algorithm
ROA
deep maxout network
hybrid leader-based optimisation
HLBO
Yeo-Johnson's transformation
dice coefficient