[發明專利]一種基于多分類BP-Adaboost的貧困生認定方法

在審

• 申請號: 202010236492.X
• 申請日: 2020-03-30
• 公開（公告）號: CN111415099A
• 公開（公告）日: 2020-07-14
• 發明（設計）人: 楊建鋒;魏瀚哲;王朝陽
• 申請（專利權）人: 西北大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/20;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安西達專利代理有限責任公司 61202
• 代理人: 劉華

一種基于多分類BP?Adaboost的貧困生認定方法，包括以下步驟：（1）獲取往年貧困生的多維歷史數據，（2）對采集到的往年貧困生歷史數據進行預處理，構造學生特征矩陣S；（3）將往年貧困生的多維歷史數據按照貧困程度分為三個類別，標注學生貧困類別標簽，構造訓練數據集；（4）設計BP?Adaboost分類模型，使用提取的往年各貧困程度的貧困生特征矩陣構造的數據集訓練BP?Adaboost分類模型；（5）訓練模型用于貧困生輔助認定。本發明利用在校學生產生的學生行為數據，設計了一個基于BP?Adaboost的多分類模型，本模型可以快速、準確的將學生分為三種貧困類別，以此判斷學生的貧困情況輔助高校貧困生管理工作人員進行決策。

技術領域

本發明屬于特征提取和分類算法技術領域，具體涉及一種基于多分類BP-Adaboost的貧困生認定方法。

背景技術

學生資助是脫貧攻堅、促進教育公平進而實現社會公平的重要內容和重要舉措。高校貧困生認定是國家學生資助政策有效落實的基礎工作，是推進學生資助精準化的重要內容。目前，大部分高校貧困生評定都是有學生所在地鄉鎮出示相關證明后由班級公開評選和院系輔導員審核。這種認定模式存在貧困認定偏差、各環節評選容易摻雜個人主觀感情、貧困生因自尊心放棄評審等問題，導致影響貧困生資助的公平、效率和準確。

大數據時代的來臨和深度學習方法日益成熟，為貧困生資助工作帶來了新的理念和技術支持，也為高校利用大數據與深度學習方法推進快速、便捷、高效精準資助工作帶來了新的機遇。目前高校信息化建設已經取得了長足發展，學生在校園的一切行為都會產生數據，記錄著學生各項特征，這類數據反映著學生的真實情況，合理的運用這類數據可以在一定程度上輔助貧困生認定過程，使認定結果更加真實客觀，給予真正貧困的學生更多幫助。

目前，對于使用大數據手段、機器學習方法輔助認定在校貧困生認定工作仍處于探索階段，國內暫無統一的認定評估方法。雖有一部分技術提出了一些觀點與思路，但均無法滿足實際應用或難以實現，例如：申請號201810972342.8、專利名稱為一種基于機器學習的學生貧困程度預測方法的專利申請文件，其雖是針對學生在校產生行為數據進行學生貧困程度預測，但其所需數據種類繁多，需要使用幾十類數據，容易造成數據維數災難，同時加大了實現難度。

因此，利用大數據手段與機器學習方法有效的、精準的實現貧困生認定已經成為研究輔助貧困生精準資助的關鍵。

發明內容

為了克服上述現有技術處理高維度貧困生數據困難以及實現精準資助貧困生困難的問題，本發明提出了一種基于多分類BP-Adaboost的貧困生認定方法。

為了實現上述目的，本發明采用的技術方案是：

一種基于多分類BP-Adaboost的貧困生認定方法，其特征在于，包括以下步驟：

步驟1、學生歷史行為數據的獲取，獲取往年貧困生的多維歷史數據，往年貧困生多維歷史數據包括學生家庭情況與經濟情況、校園消費情況、學生成績情況、貧困生基本信息；

其獲取往年貧困生多維歷史數據建立貧困生特征矩陣的具體步驟如下：

1)提取學生家庭情況與經濟情況，包括是否獨生子女、是否為孤兒、是否建檔立卡貧困戶、學生本人是否有殘疾或患病、父母是否有殘疾或患病、是否城鄉特困供養人員、是否城鄉最低生活保障家庭；提取校園消費情況，包括消費總金額、日消費額最大值、日消費額均值、月消費額最大值、日消費次數均值；提取學生成績情況，包括績點、學期平均成績、掛科數量；提取貧困生基本情況，包括是否綠色通道入學、是否辦理生源地貸款；