受训人员能力类别的识别方法、装置、计算机设备和介质

本公开的实施例涉及计算机，具体地，涉及适用于一种受训人员能力类别的识别方法、装置、计算机设备和介质。

背景技术：

1、工程保障能力提升的核心问题在于工程保障人才的培养，面对工程保障专业技术门槛高、知识涉及面广、运用复杂多样、专业分支众多等特点，工程保障专业人才能力生成缓慢、人才培养周期长成为不可回避的矛盾问题。特别是在院校教育阶段，受训者基础薄弱且班次人员较多，教师无法精确开展人员辅导和专业方向划分，进一步制约了人才培养的科学性和差异性。

2、相关技术中，在对受训人员的能力类别进行判定时，主要是通过带教老师对其学习成绩、学习进度等学习数据进行分析，来识别该受训人员能力的所属类别。

3、然而，采用现有方式，能力类别识别主观性较强，识别准确性不高。

技术实现思路

1、本文中描述的实施例提供了一种受训人员能力类别的识别方法、装置、计算机设备和介质，克服了上述问题。

2、第一方面，根据本公开的内容，提供了一种受训人员能力类别的识别方法，包括：

3、获取受训人员的工程学习数据，所述受训人员为接受工程实践学习的培训人群，所述工程学习数据包括：人员信息和工程实践考核信息；

4、基于所述受训人员的工程学习数据，确定所述受训人员的能力属性特征标签；

5、将所述受训人员的所述能力属性特征标签进行归一化处理，得到特征处理标签，所述归一化处理用于对所述受训人员的所述能力属性特征标签进行量化映射；

6、将所述特征处理标签输入目标聚类器中，根据所述目标聚类器的输出结果确定所述受训人员的学习能力类别；

7、其中，所述目标聚类器包括：第一子聚类器、第二子聚类器和第三子聚类器，所述受训人员的学习能力类别由所述第一子聚类器的聚类结果、所述第二子聚类器的聚类结果和所述第三子聚类器的聚类结果确定得出，所述第一子聚类器、所述第二子聚类器和所述第三子聚类器分别对应的输出类别相同。

8、第二方面，根据本公开的内容，提供了一种受训人员能力类别的识别装置，包括：

9、获取模块，用于获取受训人员的工程学习数据，所述受训人员为接受工程实践学习的培训人群，所述工程学习数据包括：人员信息和工程实践考核信息；

10、第一确定模块，用于基于所述受训人员的工程学习数据，确定所述受训人员的能力属性特征标签；

11、处理模块，用于将所述受训人员的所述能力属性特征标签进行归一化处理，得到特征处理标签，所述归一化处理用于对所述受训人员的所述能力属性特征标签进行量化映射；

12、第二确定模块，用于将所述特征处理标签输入目标聚类器中，根据所述目标聚类器的输出结果确定所述受训人员的学习能力类别；

13、其中，所述目标聚类器包括：第一子聚类器、第二子聚类器和第三子聚类器，所述受训人员的学习能力类别由所述第一子聚类器的聚类结果、所述第二子聚类器的聚类结果和所述第三子聚类器的聚类结果确定得出，所述第一子聚类器、所述第二子聚类器和所述第三子聚类器分别对应的输出类别相同。

14、第三方面，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，处理器执行计算机程序时实现如以上任意一个实施例中受训人员能力类别的识别方法的步骤。

15、第四方面，提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如以上任意一个实施例中受训人员能力类别的识别方法的步骤。

16、本申请实施例提供的受训人员能力类别的识别方法，获取受训人员的工程学习数据，受训人员为接受工程实践学习的培训人群，工程学习数据包括：人员信息和工程实践考核信息；基于受训人员的工程学习数据，确定受训人员的能力属性特征标签；将受训人员的能力属性特征标签进行归一化处理，得到特征处理标签，归一化处理用于对受训人员的能力属性特征标签进行量化映射；将特征处理标签输入目标聚类器中，根据目标聚类器的输出结果确定受训人员的学习能力类别；其中，目标聚类器包括：第一子聚类器、第二子聚类器和第三子聚类器，受训人员的学习能力类别由第一子聚类器的聚类结果、第二子聚类器的聚类结果和第三子聚类器的聚类结果确定得出，第一子聚类器、第二子聚类器和第三子聚类器分别对应的输出类别相同。如此，通过多个聚类器的结合实现受训人员的学习能力类别的智能识别，解决了人为主观识别导致识别准确性不高的问题，有效提升识别效率。

17、上述说明仅是本申请实施例技术方案的概述，为了能够更清楚了解本申请实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本申请实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

技术特征：

1.一种受训人员能力类别的识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述人员信息包括：人员姓名、受训年级、受训学号以及受训专业，所述工程实践考核信息用于描述所述受训人员在工程实践学习中各考核科目的考核成绩；

3.根据权利要求1所述的方法，其特征在于，所述将所述特征处理标签输入目标聚类器中，根据所述目标聚类器的输出结果确定所述受训人员的学习能力类别，包括：

4.根据权利要求3所述的方法，其特征在于，所述第一子聚类器中包括多个第一输出类别，每个第一输出类别中具有一个聚类中心，一个所述聚类中心用于描述一个特征处理标签；

5.根据权利要求3所述的方法，其特征在于，所述第二子聚类器中包括多个第二输出类别，每个第二输出类别中具有一个聚类中心，一个所述聚类中心用于描述一个特征处理标签；

6.根据权利要求3所述的方法，其特征在于，所述第三子聚类器中包括多个第三输出类别，每个第三输出类别对应一个概率模型；

7.根据权利要求1所述的方法，其特征在于，所述受训人员的学习能力类别包括：全能学习类别、常规学习类别、偏科轻度学习类别以及偏科重度学习类别；

8.一种受训人员能力类别的识别装置，其特征在于，包括：

9.一种计算机设备，其特征在于，包括存储器和处理器，存储器中存储有计算机程序，处理器执行计算机程序时实现如权利要求1～7中任一所述的受训人员能力类别的识别方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，计算机程序被处理器执行时实现如权利要求1～7中任一所述的受训人员能力类别的识别方法。

技术总结
本公开提供一种受训人员能力类别的识别方法、装置、计算机设备和介质，包括：获取受训人员的工程学习数据，受训人员为接受工程实践学习的培训人群，工程学习数据包括：人员信息和工程实践考核信息；基于受训人员的工程学习数据，确定受训人员的能力属性特征标签；将受训人员的能力属性特征标签进行归一化处理，得到特征处理标签，归一化处理用于对受训人员的能力属性特征标签进行量化映射；将特征处理标签输入目标聚类器中，根据目标聚类器的输出结果确定受训人员的学习能力类别。从而，通过多个聚类器的结合实现受训人员的学习能力类别的智能识别，有效提升识别效率。

技术研发人员：李亚雄,常燕,张大巧,李雪瑞,陈正生,李冰,胡明,杨奇松
受保护的技术使用者：中国人民解放军火箭军工程大学
技术研发日：
技术公布日：2024/4/22