基于PSO优化贝叶斯网络的高校贫困生分类

• 作者: 宋威
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 粒子群算法 贝叶斯网络 贫困生 支持向量机 神经网络
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 基金项目
• 页码范围: 50-53
• 页数: 4页
• 分类号: TG4
• 字数: 2084字
• 语种: 中文

摘要

为提高高校贫困生分类的准确率,综合考虑学生家庭收入和家庭支出情况,提出一种基于PSO-BN的高校贫困生分类方法.将贫困生分类评价指标作为PSO-BN模型的输入,贫困生类别作为PSO-BN模型的输出,建立PSO-BN贫困生分类模型.研究结果表明,与BN、SVM和BP相比,PSO-BN可以有效提高高校贫困生分类的准确性,实现贫困生判定由定性分析转向定量分析,提高了模型的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋威	渭南师范学院稳定与安全办公室	21	11	2.0	2.0