基于谱聚类与支持向量机高校经济困难学生认定方法研究.docVIP

基于谱聚类与支持向量机高校经济困难学生认定方法研究 　　摘 要：为解决当前高校在家庭经济困难学生认定方面缺少直观数据佐证的问题，本文基于在校学生的一卡通消费数据，结合谱聚类算法与支持向量机的优点，探索了一种数据量化的家庭经济困难学生认定方法。首先，对原始数据的每笔消费记录进行标记并采用谱聚类算法对预处理后的学生消费数据进行聚类分析；然后依据聚类结果生成数据筛选规则，剔除离群样本，提取有效的日常消费数据；最后，选取不同的特征构建特征向量并输入到支持向量机（Support Vector Machine，SVM）中训练家庭经济困难学生认定模型。实验结果表明，本文研究的方法能准确地区分出在校生的经济困难程度，在校生的消费信息能较客观地反映出学生的家庭经济情况，该方法将为高校经济困难学生认定工作提供一种有效的辅助手段。 　　关键词：谱聚类算法；特征提取；SVM；经济困难学生认定模型 　　中图分类号：G647 文献标志码：A 文章编号：1673-8454（2017）15-0048-04 　　一、引言 　　近年来，我国对高校经济困难学生的资助力度逐渐增强，各个高校主要通过经济困难生资助体系给予经济困难学生群体帮助。[1]但资助体系中经济困难学生的认定过程受诸多因素的影响，比如：认定标准难以统一；定性因素、主观因素多，客观依据少，不可避免??出现认定范围和等级的偏差；缺少科学审查和复核