發(fā)布時間：2020-11-01 14:52

　　 近年來隨著數(shù)字化校園的不斷建設(shè)與發(fā)展,信息化校園給學(xué)生們的生活帶來了很大的便利。校園卡作為數(shù)字化校園建設(shè)的一部分,在校園里我們只需要一張卡就能解決生活和學(xué)習(xí)上的一切問題,它給我們帶來了巨大的方便,同時校園卡也產(chǎn)生了大量的數(shù)據(jù),里面記錄著我們在校消費和學(xué)習(xí)的方式。這些存儲在各個部門管理系統(tǒng)中的數(shù)據(jù)具有很大的研究價值。隨著大數(shù)據(jù)技術(shù)的發(fā)展,能夠處理海量數(shù)據(jù)的技術(shù)越來越成熟,各行各業(yè)都在利用大叔來對傳統(tǒng)行業(yè)進行變革。如何將大數(shù)據(jù)思維運用到高校貧困生資助工作中,這不僅需要我們轉(zhuǎn)變資助思維,更需要我們利用先進的技術(shù)來對傳統(tǒng)方法進行改進創(chuàng)新。通過大數(shù)據(jù)技術(shù)對學(xué)生在校產(chǎn)生的大量行為數(shù)據(jù)進行挖掘分析,能夠為資助管理者在做決策時起到指導(dǎo)作用。作者分析了現(xiàn)有的貧困生認定方法和分類模型,基于傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)對貧困生進行分類時,主要是選用校園卡消費數(shù)據(jù)做研究,數(shù)據(jù)來源比較單一。本文研究的目的是基于學(xué)生在校產(chǎn)生的大量數(shù)據(jù),主要有一卡通消費數(shù)據(jù)、圖書館數(shù)據(jù)、寢室門禁數(shù)據(jù)和成績數(shù)據(jù)等,通過建模,將學(xué)生分為不同的貧困類別。最后通過與傳統(tǒng)對一卡通數(shù)據(jù)挖掘的方法進行比較,得到一個更適合大數(shù)據(jù)時代貧困生的分類方法。
【學(xué)位單位】：東北師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：G647;TP311.13
【部分圖文】：

2.3 Boosting 系列算法2.3.1 Boosting 算法原理Boosting 算法的原理是先對一個弱分類器賦予初始權(quán)重，然后弱分類器進行訓(xùn)練，通過對弱分類器的學(xué)習(xí)誤差來調(diào)整樣本權(quán)重，將學(xué)習(xí)誤差率高的樣本賦予高的權(quán)重，把誤差率高的特征屬性在后面的弱分類器中賦予高的權(quán)重。調(diào)整特征屬性權(quán)重后的訓(xùn)練集來訓(xùn)練弱分類器，通過對錯誤樣本不斷的訓(xùn)練，最后得到多個弱學(xué)習(xí)器，并終將得到的多個弱學(xué)習(xí)器通過集成策略進行整合，得到最終的強學(xué)習(xí)器。原理視圖如下：

圖 2.2看到三個大小不正確預(yù)測+(加)是第二決策殘差（D2）將嘗試正確2)已經(jīng)正確地分類了三個錯誤分-（減）。再次，我們將分配更高圖 2.3）被賦予更高的權(quán)重。應(yīng)用決策。這一次產(chǎn)生水平線來分類+（加

框3：這里，三-（減）被賦予更高的權(quán)重
【參考文獻】

相關(guān)期刊論文 前10條

1 王紅;駱劍峰;;大數(shù)據(jù)時代高校貧困生評定管理方法初探[J];高教學(xué)刊;2015年19期

2 張亮;寧芊;;CART決策樹的兩種改進及應(yīng)用[J];計算機工程與設(shè)計;2015年05期

3 紀(jì)杰;;大數(shù)據(jù)背景下高校學(xué)生資助工作策略[J];學(xué)園;2014年36期

4 胡磊;;基于三角白化權(quán)函數(shù)灰色評估在高校貧困生認定中的應(yīng)用[J];數(shù)學(xué)的實踐與認識;2013年16期

5 劉朝武;;國外高校貧困生社會資助的現(xiàn)狀及啟示[J];煤炭高等教育;2013年01期

6 陶雙紅;常炳國;;一種改進的C4.5算法及在貧困生認定中的應(yīng)用[J];計算機光盤軟件與應(yīng)用;2013年02期

7 馬偉杰;;C4.5決策樹法在高校貧困生認定中的應(yīng)用[J];河南教育學(xué)院學(xué)報(自然科學(xué)版);2012年03期

8 李瑞;程亞楠;;一種改進的C4.5算法[J];科學(xué)技術(shù)與工程;2010年27期

9 鐘一彪;肖東亮;謝澤鋼;;對高校貧困生界定指標(biāo)及其資助體系的討論——基于廣東高校的調(diào)查[J];青年探索;2008年03期

10 馬銳;;應(yīng)用模糊聚類分析劃分貧困生的貧困家庭類型[J];云南財經(jīng)大學(xué)學(xué)報;2006年03期

相關(guān)博士學(xué)位論文 前1條

1 郭昕;我國普通高校貧困生資助問題研究[D];華中師范大學(xué);2013年

相關(guān)碩士學(xué)位論文 前8條

1 李成飛;大數(shù)據(jù)背景下高校貧困生資助工作精準(zhǔn)化研究[D];南京郵電大學(xué);2017年

2 戴海輝;基于Hadoop的校園卡數(shù)據(jù)挖掘的研究與實現(xiàn)[D];南昌航空大學(xué);2017年

3 牛志華;基于Spark分布式平臺的隨機森林分類算法研究[D];中國民航大學(xué);2017年

4 陳子之;基于GBDT的地方政府債務(wù)風(fēng)險評級和預(yù)警研究[D];上海師范大學(xué);2017年

5 張建明;基于數(shù)據(jù)挖掘的高校貧困生認定系統(tǒng)設(shè)計和分析[D];東南大學(xué);2015年

6 王雪飛;數(shù)據(jù)挖掘在高校貧困生校園卡流水?dāng)?shù)據(jù)中的應(yīng)用研究[D];東北師范大學(xué);2014年

7 陳建兵;利用校園一卡通數(shù)據(jù)優(yōu)化高校貧困生認定系統(tǒng)[D];電子科技大學(xué);2012年

8 饒亮;改進的Apriori算法在貧困生助學(xué)系統(tǒng)中的應(yīng)用[D];哈爾濱工程大學(xué);2011年

本文編號：2865693