高考志愿录取概率模型研究

doi:10.3778/j.issn.1002-8331.2010.21.004

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (21): 14-16.DOI: 10.3778/j.issn.1002-8331.2010.21.004

高考志愿录取概率模型研究

陆昌辉¹，罗永²，黄权^1，3，刘青宝¹，邓苏¹

1.国防科技大学 C4ISR技术国防科技重点实验室，长沙 410073
2.国防科技大学理学院，长沙 410073
3.湖南省教育考试院，长沙 410001

收稿日期:2010-03-10 修回日期:2010-05-24 出版日期:2010-07-21 发布日期:2010-07-21
通讯作者: 陆昌辉

Matriculate probability model of national college entrance examination

LU Chang-hui¹，LUO Yong²，HUANG Quan^1，3，LIU Qing-bao¹，DENG Su¹

1.Key Lab of Science and Technology for National Defense of C4ISR Technology，National University of Defense Technology，Changsha 410073，China
2.College of Science，National University of Defense Technology，Changsha 410073，China
3.Hunan Examination Center of Education，Changsha 410001，China

Received:2010-03-10 Revised:2010-05-24 Online:2010-07-21 Published:2010-07-21
Contact: LU Chang-hui

摘要/Abstract

摘要： 高考是目前我国教育体制中最重要的考试之一，它关系到千万考生的切身利益，而志愿填报是其中的一个重要环节。采用概率模型的形式来描述高考志愿的录取情况，首先分析了各所高校录取分数的分布情况；接着探讨了考生成绩的标准化问题，在此基础上对历史数据进行了处理；然后提出了用矩阵的形式来存储历史数据，并给出了录取概率的计算方法；最后用湖南省2008年度的录取真实数据对模型进行了检验，实验结果表明该模型是合理的和可行的。

关键词: 高考, 志愿, 录取概率, 模型

Abstract: In educational system，the national college entrance examination is one of the best important examinations until today.It affects the benefits of thousands of students.During the entrance examination，choosing fit volent is a very important step.This paper introduces a probability model to describe the situation of a student passing the entrance examination.It analyzes the distribution of the scores of matriculates in every college first，and then discusses the standardization method of the examinees’ scores，and deals with the history data through it.Afterwards，the matrix is introduced to store the history data，and how to compute the matriculate probabilities is described.At last，the real matriculate data of Hunan province in 2008 is used to check this model，and the result of this experiment shows the model is rational and feasible.

Key words: national college entrance examination, volent, matriculate probability, model

中图分类号:

TP391

陆昌辉¹，罗永²，黄权^1，3，刘青宝¹，邓苏¹. 高考志愿录取概率模型研究[J]. 计算机工程与应用, 2010, 46(21): 14-16.

LU Chang-hui¹，LUO Yong²，HUANG Quan^1，3，LIU Qing-bao¹，DENG Su¹. Matriculate probability model of national college entrance examination[J]. Computer Engineering and Applications, 2010, 46(21): 14-16.

[1]	张小峰，谢钧，罗健欣，杨涛. 深度学习语音合成技术综述[J]. 计算机工程与应用, 2021, 57(9): 50-59.
[2]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[3]	张韩钰，吴志昊，徐勇，陈斌. 增强卷积神经网络的人脸篡改检测方法[J]. 计算机工程与应用, 2021, 57(8): 220-224.
[4]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[5]	高铖铖，陈锡程，张瑞，宋秋月，易东，伍亚舟. 三种新型智能算法在疫情预警模型中的应用——基于百度搜索指数的COVID-19疫情预警[J]. 计算机工程与应用, 2021, 57(8): 256-263.
[6]	李俊. 结合最短路径改进的社会力人群疏散仿真模型[J]. 计算机工程与应用, 2021, 57(8): 264-270.
[7]	崔增乐，钱晓东. 区块链社交网络信息传播模型的优化研究[J]. 计算机工程与应用, 2021, 57(7): 59-69.
[8]	廖列法，李浩瀚，李帅，朱合隆，李志军. 结合Winner-Take-All的足球机器人控制策略研究[J]. 计算机工程与应用, 2021, 57(7): 136-143.
[9]	逯曼皎，张伟，徐涛. 基于动态矩阵模型的可优化的补货策略[J]. 计算机工程与应用, 2021, 57(7): 263-268.
[10]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[11]	张福良，梁意文，谭成予. Android恶意软件的人工自然杀伤细胞检测模型[J]. 计算机工程与应用, 2021, 57(6): 74-80.
[12]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[13]	刘畅，邱卫根，张立臣. 基于可变形掩膜对齐卷积模型的行人再识别[J]. 计算机工程与应用, 2021, 57(5): 146-152.
[14]	沈瑜，刘成，杨倩. 利用子空间稀疏特征的超分辨率图像重建算法[J]. 计算机工程与应用, 2021, 57(5): 173-182.
[15]	王凤琴，柯亨进. 卷积神经网络及其分析在抑郁症判别中的应用[J]. 计算机工程与应用, 2021, 57(5): 245-250.

高考志愿录取概率模型研究

Matriculate probability model of national college entrance examination

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics