基于大数据的大学生精准资助贫困等级研究

发布时间：2020-11-01 14:52

　　 近年来随着数字化校园的不断建设与发展,信息化校园给学生们的生活带来了很大的便利。校园卡作为数字化校园建设的一部分,在校园里我们只需要一张卡就能解决生活和学习上的一切问题,它给我们带来了巨大的方便,同时校园卡也产生了大量的数据,里面记录着我们在校消费和学习的方式。这些存储在各个部门管理系统中的数据具有很大的研究价值。随着大数据技术的发展,能够处理海量数据的技术越来越成熟,各行各业都在利用大叔来对传统行业进行变革。如何将大数据思维运用到高校贫困生资助工作中,这不仅需要我们转变资助思维,更需要我们利用先进的技术来对传统方法进行改进创新。通过大数据技术对学生在校产生的大量行为数据进行挖掘分析,能够为资助管理者在做决策时起到指导作用。作者分析了现有的贫困生认定方法和分类模型,基于传统的数据挖掘技术对贫困生进行分类时,主要是选用校园卡消费数据做研究,数据来源比较单一。本文研究的目的是基于学生在校产生的大量数据,主要有一卡通消费数据、图书馆数据、寝室门禁数据和成绩数据等,通过建模,将学生分为不同的贫困类别。最后通过与传统对一卡通数据挖掘的方法进行比较,得到一个更适合大数据时代贫困生的分类方法。
【学位单位】：东北师范大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：G647;TP311.13
【部分图文】：

2.3 Boosting 系列算法2.3.1 Boosting 算法原理Boosting 算法的原理是先对一个弱分类器赋予初始权重，然后弱分类器进行训练，通过对弱分类器的学习误差来调整样本权重，将学习误差率高的样本赋予高的权重，把误差率高的特征属性在后面的弱分类器中赋予高的权重。调整特征属性权重后的训练集来训练弱分类器，通过对错误样本不断的训练，最后得到多个弱学习器，并终将得到的多个弱学习器通过集成策略进行整合，得到最终的强学习器。原理视图如下：

图 2.2看到三个大小不正确预测+(加)是第二决策残差（D2）将尝试正确2)已经正确地分类了三个错误分-（减）。再次，我们将分配更高图 2.3）被赋予更高的权重。应用决策。这一次产生水平线来分类+（加

框3：这里，三-（减）被赋予更高的权重
【参考文献】

相关期刊论文 前10条

1 王红;骆剑峰;;大数据时代高校贫困生评定管理方法初探[J];高教学刊;2015年19期

2 张亮;宁芊;;CART决策树的两种改进及应用[J];计算机工程与设计;2015年05期

3 纪杰;;大数据背景下高校学生资助工作策略[J];学园;2014年36期

4 胡磊;;基于三角白化权函数灰色评估在高校贫困生认定中的应用[J];数学的实践与认识;2013年16期

5 刘朝武;;国外高校贫困生社会资助的现状及启示[J];煤炭高等教育;2013年01期

6 陶双红;常炳国;;一种改进的C4.5算法及在贫困生认定中的应用[J];计算机光盘软件与应用;2013年02期

7 马伟杰;;C4.5决策树法在高校贫困生认定中的应用[J];河南教育学院学报(自然科学版);2012年03期

8 李瑞;程亚楠;;一种改进的C4.5算法[J];科学技术与工程;2010年27期

9 钟一彪;肖东亮;谢泽钢;;对高校贫困生界定指标及其资助体系的讨论——基于广东高校的调查[J];青年探索;2008年03期

10 马锐;;应用模糊聚类分析划分贫困生的贫困家庭类型[J];云南财经大学学报;2006年03期

相关博士学位论文 前1条

1 郭昕;我国普通高校贫困生资助问题研究[D];华中师范大学;2013年

相关硕士学位论文 前8条

1 李成飞;大数据背景下高校贫困生资助工作精准化研究[D];南京邮电大学;2017年

2 戴海辉;基于Hadoop的校园卡数据挖掘的研究与实现[D];南昌航空大学;2017年

3 牛志华;基于Spark分布式平台的随机森林分类算法研究[D];中国民航大学;2017年

4 陈子之;基于GBDT的地方政府债务风险评级和预警研究[D];上海师范大学;2017年

5 张建明;基于数据挖掘的高校贫困生认定系统设计和分析[D];东南大学;2015年

6 王雪飞;数据挖掘在高校贫困生校园卡流水数据中的应用研究[D];东北师范大学;2014年

7 陈建兵;利用校园一卡通数据优化高校贫困生认定系统[D];电子科技大学;2012年

8 饶亮;改进的Apriori算法在贫困生助学系统中的应用[D];哈尔滨工程大学;2011年

本文编号：2865693