[发明专利]基于校园消费卡流水数据的高校贫困生识别方法

说明书

本发明一种基于校园消费卡流水数据的高校贫困生识别方法，属于高校贫困生识别方法领域。包括如下步骤：步骤一、获取学生校园消费卡流水数据，建立SQL Server数据库；步骤二、利用核主成分分析方法选取多个分类特征；步骤三、基于步骤二选取的分类特征，建立RandomForest分类器，并利用训练数据进行训练；步骤四、基于步骤三获得的RandomForest分类器，建立用于高校贫困生识别的预测模型。本发明用于高校贫困生识别，利用核主成分分析方法实现了关键特征提取，并建立了基于RandomForest的分类预测模型，提高了高校贫困生识别的精准度。

技术领域

本发明属于高校贫困生识别领域，更具体的说，涉及一种基于校园消费卡流水数据的高校贫困生识别方法。

背景技术

贫困生资助工作是高校人才培养工作的重要组成部分，关乎学生的成长成才、学校的稳定与发展、社会的和谐与进步。然而，传统的高校贫困生资助工作在取得巨大成就的同时，也存在着一系列弊端。随着时代的进步，新时期对高等学校贫困生扶助工作提出了更高的要求：提高国家资助政策的精准度，依托国家教育管理信息系统建设平台，确保国家学生资助、奖补等优惠政策真正落实到每一个需要帮扶的学生身上。如何做到精准认定是实现高校精准扶贫的重要基础。高校贫困生资助精准化的核心：精准识别贫困生、按不同贫困等级进行分级资助并实现动态监管以及精准评估。很多高校都利用信息化平台建立起了自己的校级信息化建设标准，实现了数据共享，但缺乏对海量数据的有效利用。大数据作为计算技术的最新形态，为我们开展高校贫困生精准资助研究提供了新的视角和方法。

如何利用高校已经建设完毕的各种管理系统所产生的基础数据，从中充分挖掘出有价值的信息，来帮助精准识别或验证贫困生，成为高校学生管理工作亟需迫切解决的重要课题之一。罗华群在对校园卡相关数据的采集、预处理的基础上，建立起原始数据库分析相关数据可行性，说明了数据挖掘用于校园一卡通数据分析对高校学生工作管理的合理、高效、客观性。曾秋凤使用Microsoft Analysis Service建立了数据仓库，并尝试使用K-means聚类方法研究学生消费行为规律，结果显示与事实大致吻合。董新科等人提出四个指标作为分析的依据，利用weka中多种常用聚类算法对一卡通数据进行了实验，提出k-means算法最适合做校园一卡通数据的数据聚类挖掘。陈晓通过对某高校多个部门管理系统数据进行分析处理并结合已有的贫困生认定办法，确定了贫困生认定的三大指标(经济情况、家庭情况、学生情况)及7个小指标，运用加权约束的决策树方法建立起了贫困生认定决策树。邵为爽选取了14个关键指标，并使用Excel建立起经济困难学生数据库。在应用基于粗糙集的Rosetta软件对决策表进行属性约简的基础上，建立了粗糙集-BP神经网络相结合模型。饶亮给出了一种改进关联规则Apriori算法，应用于基于校园一卡通数据建立起的综合数据库，对贫困生进行认定。周红等人选取了学生半年校园一卡通每月消费次数和人均消费金额2个主要分类特征，采用SVM对学生校园一卡通的消费数据进行分析，将学生按贫困与非贫困分类。然而，虽然已有基于校园消费卡流水数据的高校贫困生识别方法的研究，但是缺乏分类特征提取的方法，无法进一步提高识别的精准度。

发明内容

本发明主要解决的技术问题是提供基于校园消费卡流水数据的高校贫困生识别方法，独创分类特征提取，进一步提高识别的精准度。

为解决上述技术问题，本发明基于校园消费卡流水数据的高校贫困生识别方法包括如下步骤：

步骤一、获取学生校园消费卡流水数据，建立SQL Server数据库；

步骤二、利用核主成分分析方法选取多个分类特征；

步骤三、基于步骤二选取的分类特征，建立RandomForest分类器，并利用训练数据进行训练；

步骤四、基于步骤三获得的RandomForest分类器，建立用于高校贫困生识别的预测模型。