1.基于学生学习情况的个性化教学策略生成方法，其特征在于，所述方法包括以下步骤：根据学习资料构建教学综合信息库，所述教学综合信息库包括学科知识、学习资源、教学策略，所述学科知识包括基础理论知识、概念、原理及按照关联关系建立的知识图谱，所述学习资源包括电子教材、教学视频、练习题集，所述教学策略包括视觉型教学、听觉型教学、动觉型教学；

采集学员在学生端的操作数据，提取数据约束特征，以数据约束特征为筛选条件，过滤偏差数据，获得学习数据集，所述学习数据集包括浏览数据与测试数据，所述浏览数据包括学习路径、学习时长，所述测试数据包括测试考点、测试时长、测试分值；

引入马尔可夫链模型分析所述浏览数据，计算转移概率，获得学员知识障碍点集、待探索知识点集，采用规则引擎结合多维度指标对比判定学员资源偏好；

基于所述测试数据，使用模糊综合评价法构建模糊关系矩阵，量化学员对知识点的掌握程度，获得学员测评综述；

根据主成分分析算法，结合所述知识障碍点集、待探索知识点集与学员测评综述，对学员在每个知识点上的学习进度和掌握程度进行降维处理，提取主要影响因素以确定薄弱知识点集；

结合所述学员薄弱知识点集、学习资源偏好及教学综合信息库生成个性化教学策略，反馈至教学端。

2.如权利要求1所述的基于学生学习情况的个性化教学策略生成方法，其特征在于，采集学员在学生端的操作数据，提取数据约束特征，以数据约束特征为筛选条件，过滤偏差数据，获得学习数据集，包括：通过多维度技术手段获取学员在学生端的操作数据，所述操作数据包括浏览数据与测试数据，所述浏览数据包括学习路径、学习时长，所述测试数据包括测试考点、测试时长、测试分值；

使用特征工程方法挖掘所述操作数据的基础特征，包括浏览数据中学习路径的连续性、学习时长的分布，以及测试数据中的测试时长阈值、测试分值分布，同时结合业务规则特征构建反映学员操作规律与异常模式的约束特征；

基于约束特征构建多层级过滤规则，实现偏差数据的精准剔除，存储筛选后的有效数据至学习数据集，所述多层级过滤规则包括硬性规则与软性规则。

3.如权利要求1所述的基于学生学习情况的个性化教学策略生成方法，其特征在于，引入马尔可夫链模型分析所述浏览数据，计算转移概率，获得学员知识障碍点集、待探索知识点集，包括：获取所述浏览数据中的知识点学习序列，根据所述知识点学习序列生成学习序列集群，作为马尔可夫链的输入基础；

基于所述学科知识定义知识点集合S＝{s1,s2,...,sn}，结合所述学习序列集群构建n×n的知识点转移频次矩阵C；

根据知识点转移频次矩阵，按行归一化计算转移概率矩阵P，公式为：

其中，i、j分别为代表不同的知识点，Pij表示从知识点si到sj的转移概率，Cij表示从知识点si到sj的累计次数，k为一个遍历所有可能状态的索引变量，表示从状态i可以转移到的任意一个目标状态，包括其自身，Cik为从状态i转移到状态k的频次，∑kCik表示从状态i出发，转移到所有可能状态的总次数；

设定概率阈值α，提取满足Pij<α且j＝i+1的转移对(si,sj)作为候选障碍路径，结合所述测试数据中对应知识点的得分表现，验证障碍路径的合理性，统计各知识点全局访问频次，识别访问频次显著高于均值的离群点，进一步结合学习时长，计算困惑强度指标，根据所述障碍路径及所述困惑强度指标获得知识障碍点集；

对比实际转移概率与课程设计预期路径，标记未覆盖的关键转移，同时统计学员未访问的核心知识点，生成待探索知识点候选集。

4.如权利要求1所述的基于学生学习情况的个性化教学策略生成方法，其特征在于，采用规则引擎结合多维度指标对比判定学员资源偏好，包括：根据所述浏览数据定义资源偏好指标，所述资源偏好指标包括访问频率、时长占比和交互深度；

设定所述教学综合信息库中各学习资源的偏好判定阈值；

将所述资源偏好指标与所述偏好判定阈值进行对比，并按优先级顺序匹配，确定学员资源偏好。

5.如权利要求1所述的基于学生学习情况的个性化教学策略生成方法，其特征在于，基于所述测试数据，使用模糊综合评价法构建模糊关系矩阵，量化学员对知识点的掌握程度，获得学员测评综述，包括：基于所述测试数据，确定多维度量化指标以全面评估知识点掌握水平，所述多维度量化指标包括答题时长、正确率、稳定性；

针对所述多维度量化指标分别设计模糊化规则，将连续数值映射为语义化评价等级；

对每个知识点，计算其三种指标在各评价等级的隶属度，构建三维模糊评价矩阵；

确定各指标权重，应用加权平均算子对模糊矩阵进行聚合，生成知识点综合模糊评价值，获得学员测评综述。

6.如权利要求1所述的基于学生学习情况的个性化教学策略生成方法，其特征在于，根据主成分分析算法，结合所述知识障碍点集、待探索知识点集与学员测评综述，对学员在每个知识点上的学习进度和掌握程度进行降维处理，提取主要影响因素以确定薄弱知识点集，包括：以所述教学综合信息库中的学科知识为行，所述知识障碍点集、待探索知识点集、学员测评综述为列构建结构化特征矩阵：添加数值至所述特征矩阵，若选定知识点存在于所述知识障碍点集中，则该行此列赋值为1，否则为0，若选定知识点存在于待探索知识点集中，则该行此列赋值为1，否则为0，若选定知识点具备学员测评综述，则直接将该行该列赋值为测评综述的数值；

对所述特征矩阵进行标准化处理，消除量纲差异，计算所述特征矩阵的协方差矩阵，对所述协方差矩阵进行特征值分解，得到特征值及对应特征向量；

根据所述特征值选择主成分，将原始数据投影至主成分空间，生成降维后特征，计算主成分得分，对主成分得分进行聚类分析，划分高、中、低掌握度簇，确定薄弱知识点集。

7.基于学生学习情况的个性化教学策略生成系统，其特征在于，所述系统包括：

教学综合信息库构建模块，教学综合信息库构建模块用于根据学习资料构建教学综合信息库，所述教学综合信息库包括学科知识、学习资源、教学策略，所述学科知识包括基础理论知识、概念、原理及按照关联关系建立的知识图谱，所述学习资源包括电子教材、教学视频、练习题集，所述教学策略包括视觉型教学、听觉型教学、动觉型教学；

学员数据采集筛选模块，学员数据采集筛选模块用于采集学员在学生端的操作数据，提取数据约束特征，以数据约束特征为筛选条件，过滤偏差数据，获得学习数据集，所述学习数据集包括浏览数据与测试数据，所述浏览数据包括学习路径、学习时长，所述测试数据包括测试考点、测试时长、测试分值；

学员浏览数据挖掘模块，学员浏览数据挖掘模块用于引入马尔可夫链模型分析所述浏览数据，计算转移概率，获得学员知识障碍点集、待探索知识点集，采用规则引擎结合多维度指标对比判定学员资源偏好；

学员测试数据量化模块，学员测试数据量化模块用于基于所述测试数据，使用模糊综合评价法构建模糊关系矩阵，量化学员对知识点的掌握程度，获得学员测评综述；

薄弱知识点定位模块，薄弱知识点定位模块用于根据主成分分析算法，结合所述知识障碍点集、待探索知识点集与学员测评综述，对学员在每个知识点上的学习进度和掌握程度进行降维处理，提取主要影响因素以确定薄弱知识点集；

个性化教学策略定制模块，个性化教学策略定制模块用于结合所述学员薄弱知识点集、学习资源偏好及教学综合信息库生成个性化教学策略，反馈至教学端。