基于Canopy-K-means算法的高校贫困生预测的研究

• 作者: 张书军 王全民
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 贫困生认定 多模态数据 数据挖掘 Canopy-K-means算法
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 3012-3016,3041
• 页数: 6页
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.12.038

摘要

高校贫困生的认定和和资助工作对于高等人才的培养、减轻贫困生家庭经济负担是非常重要的;如何做到精准扶贫一直是高校贫苦生认定和资助工作的重点和难点.基于校园一卡通学生消费数据、上网日志等多模态数据,提出了一种基于Canopy-K-means算法的高校贫困生预测的方法.该方法通过引入Canopy改进的聚类算法,得到贫困生所属类别,并将该类学生与实际的贫困生作对比,分析贫困生在校消费习惯和上网行为.该实验能有效地对贫困生进行分类,为学校贫困生认定提供辅助决策作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王全民		44	222	7.0	12.0
2	张书军		1	0	0.0	0.0