[發(fā)明專利]一種高校貧困生評(píng)定方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710096553.5
• 申請(qǐng)日: 2017-02-22
• 公開（公告）號(hào): CN106934742A
• 公開（公告）日: 2017-07-07
• 發(fā)明（設(shè)計(jì)）人: 李君科;劉凱;盧玉;周力軍
• 申請(qǐng)（專利權(quán)）人: 黔南民族師范學(xué)院
• 主分類號(hào): G06Q50/20
• 分類號(hào): G06Q50/20;G06N3/04
• 代理公司: 貴陽(yáng)派騰陽(yáng)光知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)52110
• 代理人: 谷慶紅

技術(shù)領(lǐng)域

本發(fā)明涉及一種高校貧困生評(píng)定方法。

背景技術(shù)

為了減輕貧困家庭的經(jīng)濟(jì)負(fù)擔(dān)，盡量減少因經(jīng)濟(jì)問(wèn)題而困擾學(xué)生的學(xué)習(xí)。黨和國(guó)家對(duì)貧困生資助工作歷來(lái)重視并實(shí)施了諸如《關(guān)于對(duì)高等學(xué)院生活特別困難學(xué)生進(jìn)行資助的通知》、《關(guān)于進(jìn)一步加強(qiáng)高校資助經(jīng)濟(jì)困難學(xué)生工作的通知》以及《教育部財(cái)政部關(guān)于認(rèn)真做好高等學(xué)校家庭經(jīng)濟(jì)困難學(xué)生認(rèn)定工作的指導(dǎo)意見》等一些政策惠及貧困學(xué)生，使他們減弱了經(jīng)濟(jì)負(fù)擔(dān)的壓力進(jìn)而安心地學(xué)習(xí)。根據(jù)教育部對(duì)貧困學(xué)生的界定：在國(guó)家招收的普通高校本專科學(xué)生中，由于家庭經(jīng)濟(jì)困難，支付教育費(fèi)用很困難或無(wú)力支付教育費(fèi)用的學(xué)生。然而規(guī)定存在一定的模糊性，造成了各個(gè)高校在對(duì)貧困生評(píng)定的實(shí)際操作中的缺乏統(tǒng)一的度量標(biāo)準(zhǔn)。標(biāo)準(zhǔn)的缺失使得許多高校的資助模式隨意性較強(qiáng)。這種現(xiàn)象的出現(xiàn)背離了國(guó)家對(duì)高校貧困生資助的初衷和降低了貧困資金的使用效益，同時(shí)也難以發(fā)揮國(guó)家對(duì)高等教育的資助功能，損害了公民對(duì)高等教育的公平、公正與均等的權(quán)利。為了避免上述現(xiàn)象的發(fā)生，很有必要采用統(tǒng)一化標(biāo)準(zhǔn)的方法。在調(diào)查研究的基礎(chǔ)上，采用定性與定量相結(jié)合的貧困生認(rèn)定指標(biāo)體系，克服評(píng)定工作的簡(jiǎn)單化與隨意性，不斷提高濟(jì)困資金的使用效益。

在貧困生評(píng)定中存在的不公平問(wèn)題引起了學(xué)者的關(guān)注，并成為廣大高校資助工作人員和研究人員關(guān)心的問(wèn)題，各種各樣的評(píng)定方法被提出來(lái)解決公平性問(wèn)題。李明江等人與陶雙紅提出了使用決策樹的方法指導(dǎo)貧困生的評(píng)定工作。針對(duì)他們對(duì)評(píng)定指標(biāo)無(wú)區(qū)別對(duì)待，陳曉等針對(duì)評(píng)定指標(biāo)的偏向性提出了基于加權(quán)約束的決策樹方法在貧困生的方法。付寶君利用基于FP-growth的關(guān)聯(lián)規(guī)則挖掘?qū)ω毨M(jìn)行了認(rèn)定。胡磊和劉紅旗等人分別利用了灰色綜合評(píng)定方法實(shí)現(xiàn)了對(duì)經(jīng)濟(jì)困難學(xué)生資格等級(jí)的認(rèn)定。

上述的研究使用的指標(biāo)高于現(xiàn)實(shí)的實(shí)際操作或指標(biāo)的獲取性價(jià)比較低使得使用的方法不能很好地實(shí)施以及使用決策樹存在過(guò)度擬合問(wèn)題以及在灰色綜合評(píng)定對(duì)矩陣的一致性判定無(wú)較科學(xué)的指導(dǎo)。而對(duì)貧困學(xué)生的實(shí)際的且易于獲得的評(píng)定指標(biāo)研究較少。

發(fā)明內(nèi)容

為解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種高校貧困生評(píng)定方法，該高校貧困生評(píng)定方法通過(guò)采用前向有監(jiān)督神經(jīng)網(wǎng)絡(luò)算法模型的方法，以及更合理的選取指標(biāo)，從而使得準(zhǔn)確度能超過(guò)93.3％，能在很大程度上避免過(guò)擬合的情況，準(zhǔn)確率理想。

本發(fā)明通過(guò)以下技術(shù)方案得以實(shí)現(xiàn)。

本發(fā)明提供的一種高校貧困生評(píng)定方法，包括如下步驟：

①獲取參數(shù)：獲取經(jīng)過(guò)評(píng)定并記入系統(tǒng)的高校學(xué)生數(shù)據(jù)中十個(gè)指標(biāo)的度量值，十個(gè)指標(biāo)分別為家庭月均收入FI、人均月收支比FIOR、有勞動(dòng)力成員占家庭成員的比例FMR、特殊家庭類型FT、家庭成員健康情況FH、學(xué)費(fèi)來(lái)源ST、生活費(fèi)來(lái)源SC、日均伙食消費(fèi)SE、班級(jí)民主測(cè)評(píng)SS和掛科情況SCS；

②模型判別：將獲取的十個(gè)指標(biāo)輸入至神經(jīng)網(wǎng)絡(luò)模型進(jìn)行計(jì)算，神經(jīng)網(wǎng)絡(luò)模型為三層，三層分別為輸入層、隱含層、輸出層，其中隱含層神經(jīng)元個(gè)數(shù)采用Cross-validation算出，神經(jīng)網(wǎng)絡(luò)模型采用前向有監(jiān)督的神經(jīng)網(wǎng)絡(luò)算法得到；

③獲取結(jié)果：得到神經(jīng)網(wǎng)絡(luò)模型計(jì)算輸出的結(jié)果。

所述前向有監(jiān)督的神經(jīng)網(wǎng)絡(luò)算法為L(zhǎng)VQ神經(jīng)網(wǎng)絡(luò)算法。

所述神經(jīng)網(wǎng)絡(luò)模型采用300～500個(gè)樣本作為訓(xùn)練集計(jì)算得到。

所述特殊家庭類型FT、家庭成員健康情況FH、學(xué)費(fèi)來(lái)源ST、生活費(fèi)來(lái)源SC、掛科情況SCS均為以0～9范圍內(nèi)整數(shù)表示的虛擬變量。

本發(fā)明的有益效果在于：通過(guò)采用前向有監(jiān)督神經(jīng)網(wǎng)絡(luò)算法模型的方法，以及更合理的選取指標(biāo)，從而使得準(zhǔn)確度能超過(guò)93.3％，在很大程度上避免過(guò)擬合的情況，準(zhǔn)確率理想，進(jìn)而使得學(xué)校能夠更加真實(shí)、公平、方便、高效率地評(píng)定貧困生。

具體實(shí)施方式

下面進(jìn)一步描述本發(fā)明的技術(shù)方案，但要求保護(hù)的范圍并不局限于所述。

本發(fā)明提供了一種高校貧困生評(píng)定方法，包括如下步驟：

①獲取參數(shù)：獲取經(jīng)過(guò)評(píng)定并記入系統(tǒng)的高校學(xué)生數(shù)據(jù)中十個(gè)指標(biāo)的度量值，十個(gè)指標(biāo)分別為家庭月均收入FI、人均月收支比FIOR、有勞動(dòng)力成員占家庭成員的比例FMR、特殊家庭類型FT、家庭成員健康情況FH、學(xué)費(fèi)來(lái)源ST、生活費(fèi)來(lái)源SC、日均伙食消費(fèi)SE、班級(jí)民主測(cè)評(píng)SS和掛科情況SCS；

②模型判別：將獲取的十個(gè)指標(biāo)輸入至神經(jīng)網(wǎng)絡(luò)模型進(jìn)行計(jì)算，神經(jīng)網(wǎng)絡(luò)模型為三層，三層分別為輸入層、隱含層、輸出層，其中隱含層神經(jīng)元個(gè)數(shù)采用Cross-validation算出，神經(jīng)網(wǎng)絡(luò)模型采用前向有監(jiān)督的神經(jīng)網(wǎng)絡(luò)算法得到；

③獲取結(jié)果：得到神經(jīng)網(wǎng)絡(luò)模型計(jì)算輸出的結(jié)果。