本发明涉及计算机，具体涉及一种校园学生学习能力综合评价的方法、系统、电子设备及存储介质。
背景技术：
1、为切实增强青少年科学素质的全面发展，校园学生学习能力评价预测显得十分重要。我国经济发展在不同地区体现出不均衡的态势，发达沿海地区以及一二线城市教育水平相对较高，其他内陆城市以及山区等地教育水平较为落后。面临不同教育水平背景，青少年在校素质能力尤其是学习能力参差不同。
2、然而目前关于学生学习能力综合评价模型多为专家评审法(德尔菲法)、层次分析法等，这些综合评价方法相对来说过于简单，未充分发掘评价数据内部潜在规律，导致评价方法泛化性差。随着人工智能技术的快速发展以及基础理论的丰富,人工智能在处理高维大量数据时具备特有的优越性,为传统综合评价方法提供了新的解决途径，切实实现对学生学习能力综合评价的精准分析,提升评价准确率。
3、因此,亟需一种评估准确且方便易用的校园学生学习能力综合评价方法。
技术实现思路
1、本发明实施例的目的在于提供一种校园学生学习能力综合评价的方法、系统、电子设备及存储介质，用以解决现有技术中无法对校园学生学习能力进行准确评价的问题。
2、为实现上述目的，本发明实施例提供一种校园学生学习能力综合评价的方法，所述方法具体包括：
3、采集目标学生人群的基础数据和成绩数据；
4、基于远程光电容积脉搏波描记法采集目标学生人群对应的心率变异性生理数据，并获取所述心率变异性生理数据对应的个体潜在能力预测结果；
5、对所述基础数据、所述成绩数据和所述个体潜在能力预测结果进行数据融合，得到融合数据；
6、基于所述融合数据构建训练集，基于高斯过程分类算法构建学生学习能力综合评价模型，将所述训练集输入所述学生学习能力综合评价模型进行训练，得到训练好的学生学习能力综合评价模型；
7、将待测试样本输入训练好的学生学习能力综合评价模型，得到所述待测试样本对应的学生学习能力综合评价等级。
8、在上述技术方案的基础上，本发明还可以做如下改进：
9、进一步地，所述采集目标学生人群的基础数据和成绩数据，包括：
10、采集目标学生人群的高维属性信息，并对所述高维属性信息进行数据处理，得到基础数据，其中，所述数据处理包括编码处理和脱敏保护处理。
11、进一步地，所述采集目标学生人群的基础数据和成绩数据，还包括：
12、基于所述目标学生人群获取对应的学生成绩表，基于所述学生成绩表确定目标学生人群对应的成绩数据。
13、进一步地，所述基于远程光电容积脉搏波描记法采集目标学生人群对应的心率变异性生理数据，并获取所述心率变异性生理数据对应的个体潜在能力预测结果，包括：
14、通过远程光电容积脉搏波描记法获取目标学生人群对应的rppg信号；
15、对所述rppg信号进行预处理，并提取心率变异性生理数据；
16、基于深度学习注意力时空网络构建个体潜在能力预测模型；
17、将所述心率变异性生理数据输入所述个体潜在能力预测模型，生成所述心率变异性生理数据对应的个体潜在能力预测结果。
18、进一步地，所述对所述基础数据、所述成绩数据和所述个体潜在能力预测结果进行数据融合，得到融合数据，包括；
19、通过k-means聚类算法对所述融合数据进行簇划分，得出各级类别下的样本集合，其中，所述各级类别包括优秀、良好、中等、较差。
20、进一步地，所所述基于所述融合数据构建训练集，基于高斯过程分类算法构建学生学习能力综合评价模型，将所述训练集输入所述学生学习能力综合评价模型进行训练，得到训练好的学生学习能力综合评价模型，包括；
21、通过sklearn算法库对包括各级类别的样本集合进行随机抽样，构建样本类别均衡的训练集和测试集；
22、基于所述测试集评估满足性能条件的所述学生学习能力综合评价模型的识别结果，得到所述学生学习能力综合评价模型所对应的评价指数。
23、进一步地，所述将待测试样本输入训练好的学生学习能力综合评价模型，得到所述待测试样本对应的学生学习能力综合评价等级，包括：
24、基于所述待测试样本对应的预测类别与实际类别生成混淆矩阵结果图；
25、基于所述混淆矩阵结果图展示所述学生学习能力综合评价模型对各级类别的预测效果。
26、一种校园学生学习能力综合评价的系统，包括：
27、基础数据采集模块，用于采集目标学生人群的基础数据；
28、成绩数据采集模块，用于采集目标学生人群的成绩数据；
29、预测结果获取模块，用于基于远程光电容积脉搏波描记法采集目标学生人群对应的心率变异性生理数据，并获取所述心率变异性生理数据对应的个体潜在能力预测结果；
30、数据融合模块，用于对所述基础数据、所述成绩数据和所述个体潜在能力预测结果进行数据融合，得到融合数据；
31、模型构建模块，用于基于所述融合数据构建训练集，基于高斯过程分类算法构建学生学习能力综合评价模型，将所述训练集输入所述学生学习能力综合评价模型进行训练，得到训练好的学生学习能力综合评价模型；
32、评价等级获取模块，用于将待测试样本输入训练好的学生学习能力综合评价模型，得到所述待测试样本对应的学生学习能力综合评价等级。
33、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如所述方法的步骤。
34、一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述方法的步骤。
35、本发明实施例具有如下优点：
36、本发明中校园学生学习能力综合评价的方法，采集目标学生人群的基础数据和成绩数据；基于远程光电容积脉搏波描记法采集目标学生人群对应的心率变异性生理数据，并获取所述心率变异性生理数据对应的个体潜在能力预测结果；对所述基础数据、所述成绩数据和所述个体潜在能力预测结果进行数据融合，得到融合数据；基于所述融合数据构建训练集，基于高斯过程分类算法构建学生学习能力综合评价模型，将所述训练集输入所述学生学习能力综合评价模型进行训练，得到训练好的学生学习能力综合评价模型；将待测试样本输入训练好的学生学习能力综合评价模型，得到所述待测试样本对应的学生学习能力综合评价等级；解决了现有技术中无法对校园学生学习能力进行准确评价的问题。
1.一种校园学生学习能力综合评价的方法，其特征在于，所述方法具体包括：
2.根据权利要求1所述校园学生学习能力综合评价的方法，其特征在于，所述采集目标学生人群的基础数据和成绩数据，包括：
3.根据权利要求2所述校园学生学习能力综合评价的方法，其特征在于，所述采集目标学生人群的基础数据和成绩数据，还包括：
4.根据权利要求1所述校园学生学习能力综合评价的方法，其特征在于，所述基于远程光电容积脉搏波描记法采集目标学生人群对应的心率变异性生理数据，并获取所述心率变异性生理数据对应的个体潜在能力预测结果，包括：
5.根据权利要求1所述校园学生学习能力综合评价的方法，其特征在于，所述对所述基础数据、所述成绩数据和所述个体潜在能力预测结果进行数据融合，得到融合数据，包括；
6.根据权利要求1所述校园学生学习能力综合评价的方法，其特征在于，所述基于所述融合数据构建训练集，基于高斯过程分类算法构建学生学习能力综合评价模型，将所述训练集输入所述学生学习能力综合评价模型进行训练，得到训练好的学生学习能力综合评价模型，包括；
7.根据权利要求5所述校园学生学习能力综合评价的方法，其特征在于，所述将待测试样本输入训练好的学生学习能力综合评价模型，得到所述待测试样本对应的学生学习能力综合评价等级，包括：
8.一种校园学生学习能力综合评价的系统，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中的任一项所述的方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中的任一项所述的方法的步骤。
