软件实践第7组初步设计1

本文将探讨一个软件实践项目——高考志愿填报推荐系统的初步设计，该系统运用人工智能技术，特别是聚类算法，为用户提供志愿填报的智能建议。项目由软件实践第7组，也称为ai2组，负责实施，团队成员包括张政、高奕辰、张欣然、游家伟、徐志修、王贵涛、周之遥和吉中旭。项目计划使用Python编程语言，借助PyCharm 2018和Pytorch等AI开发平台，预计于2020年9月完成。 **功能需求分析** 1. **分段分布聚类** 这个功能旨在帮助考生宏观地定位自己的分数。通过聚类算法，系统将历年高考分数、排名和高校信息分析，形成分段分布模型，让考生能直观地了解自己处于全省的哪个分数段，如“高、中、低”。此外，该功能还能将用户的分数、地域、专业意向和地理位置等信息转化为“分段”维度，增强数据分析的深度，提高预测学校等其他功能的准确性。 2. **高校专业分布聚类** 为了满足用户对学校和专业深入了解的需求，系统提供基于多个指标（如主流排名、师资力量）的学校专业排名。由于专业实力评估标准不明确，系统采用聚类方法对高校专业进行大致分类，如A、B、C等级别，以辅助用户做出综合决策。在实际应用中，可结合用户分数和招生情况对结果进行筛选。 **算法实现条件与目标设计** 1. **分段分布聚类** - **实现条件**：初始数据集包含各省分数与人数分布，基于概率分布模型构建。可能通过知识图谱的构建优化模型。 - **目标设计**：创建一个分数分段分布模型，可能分为3个或更多段，如“低、中、高”或“低、中低、中高、高”。同时，通过可视化设计帮助用户更好地理解自身定位。 2. **高校专业分布聚类** - **实现条件**：利用各高校专业录取分数线数据，结合权威机构的排名信息，考虑文理、地域等因素，构建模型。可能通过知识图谱改进。 - **目标设计**：建立高校专业评级表，可以按专业或高校为主维度，提供多角度的评级视图，便于用户参考。 通过这两个核心功能，该系统将为考生提供量身定制的志愿填报建议，帮助他们更科学、更精准地选择适合自己的学校和专业。在设计过程中，团队需要考虑数据的收集、清洗、模型训练和验证，以及用户界面的友好性，确保算法的准确性和实用性。随着项目的推进，团队将继续优化算法，提升用户体验，以期在2020年9月如期完成项目交付。