摘要
精准实现大学生贫困认定是实现高校精准扶贫的重要前提,但是因为贫困认定需要提交的材料涉及隐私和数据非客观性原因,当前贫困认定存在部分学生做假和自卑学生不敢申请的不公平现象.针对该问题,以学生一卡通消费数据和个人基本信息等客观数据为基础,构建贫困特征分箱和特征交叉算法,形成一套大学生贫困认定特征参数.随后,为处理贫困认定数据集不平衡性,提出了数据样本和输入属性双重扰动方法,并与核ELM算法融合,构建了大学生贫困认定DP_KELM算法.实验结果表明:构建的特征在随机森林和KELM算法的准确率方面都超过0.82,而双重扰动模式对提高算法的G-mean值有较好作用,DP_KELM算法在G-mean和AUC上均优于对比的9种算法.DP_KELM算法能够有效识别贫困大学生,为实现校园精准扶贫提供辅助决策工具.
基金项目
国家自然科学基金(61471133)
国家自然科学基金(61871475)
广东省科技计划项目(2017A070712019)
广东省科技计划项目(2020A1414050062)
广东省教育厅项目(2016KZDXM001)
广东省教育厅项目(2017GCZX001)
广东省教育厅项目(2020KZDZX1121)
广州市科技计划项目(201704030098)
国家科技期刊平台
NSTL
万方数据