【摘要】：扶貧助困工作一直是高校工作中的重點(diǎn)難點(diǎn),總體流程較長(zhǎng),涉及人員角色多樣,傳統(tǒng)的人工協(xié)作方式十分低效。本文以建立一個(gè)完整的學(xué)生經(jīng)濟(jì)水平線上評(píng)定系統(tǒng)為目標(biāo),利用學(xué)生在校園內(nèi)產(chǎn)生的各種行為數(shù)據(jù),尋找一種可靠的自動(dòng)化判定學(xué)生經(jīng)濟(jì)水平的方法,并將其應(yīng)用到實(shí)際業(yè)務(wù)當(dāng)中,最終為高校貧困資助的相關(guān)工作人員提供支持和引導(dǎo)�？傮w而言,本文完整處理了從數(shù)據(jù)整合與清洗,到特征提取與選擇,再到算法模型的構(gòu)建與分析,最終完成系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)的整個(gè)過(guò)程。在數(shù)據(jù)整合與清洗部分,我們首先根據(jù)國(guó)家相關(guān)標(biāo)準(zhǔn)建立了高校數(shù)據(jù)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù),并根據(jù)不同數(shù)據(jù)來(lái)源系統(tǒng)的業(yè)務(wù)特點(diǎn),對(duì)其數(shù)據(jù)問(wèn)題進(jìn)行了針對(duì)性分析與清洗,重點(diǎn)對(duì)不同數(shù)據(jù)源的缺失字段進(jìn)行補(bǔ)全處理。在特征提取與選擇部分,我們結(jié)合高校運(yùn)轉(zhuǎn)特點(diǎn),設(shè)立了天、周、月、學(xué)期等不同的時(shí)間周期,按照不同的時(shí)間周期對(duì)數(shù)據(jù)提取時(shí)序特征序列,提取的特征大體分為基本統(tǒng)計(jì)量特征和復(fù)雜特征兩類(lèi),并在特征提取完成后,采用后剪枝的C4.5決策樹(shù)方法對(duì)特征進(jìn)行篩選。在算法模型的構(gòu)建與分析部分,我們根據(jù)數(shù)據(jù)和特征的時(shí)序特性,決定采用RNN方法來(lái)構(gòu)建模型,綜合LSTM和CW-RNN這兩個(gè)最為常用的RNN方法的優(yōu)缺點(diǎn),提出了二者的融合方法,并對(duì)其使用方法和效果進(jìn)行了說(shuō)明。最后,在系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)階段,我們首先將算法模型成果應(yīng)用到實(shí)際系統(tǒng)中,其次充分考慮業(yè)務(wù)情況,將線下業(yè)務(wù)處理為線上流程,再次,提出了扶貧工作的動(dòng)態(tài)管理概念,將高校的扶貧工作從一年一度的周期性業(yè)務(wù),改進(jìn)為常態(tài)化的關(guān)注和關(guān)懷。本文取得的主要成果有以下幾點(diǎn):1)建立高校數(shù)據(jù)標(biāo)準(zhǔn),在前所未有的大范圍內(nèi)整合學(xué)生數(shù)據(jù),并結(jié)合實(shí)際各系統(tǒng)的實(shí)際業(yè)務(wù)使用情況,針對(duì)性地對(duì)各數(shù)據(jù)完成了分析與清洗;2)探索挖掘出了與學(xué)生經(jīng)濟(jì)情況有關(guān)的一系列特征;3)提出了一種改進(jìn)的遞歸神經(jīng)網(wǎng)絡(luò)模型處理上述特征,并取得了較好的效果;4)結(jié)合實(shí)際高校助學(xué)金認(rèn)定工作執(zhí)行情況,設(shè)計(jì)開(kāi)發(fā)了一套經(jīng)濟(jì)困難學(xué)生挖掘認(rèn)證系統(tǒng)。最終的算法結(jié)果驗(yàn)證和系統(tǒng)使用反饋表明,貧困指數(shù)對(duì)于學(xué)生經(jīng)濟(jì)水平的評(píng)估具有較好的參考價(jià)值,同時(shí)也說(shuō)明了利用大數(shù)據(jù)手段對(duì)高校數(shù)據(jù)進(jìn)行分析處理,具有切實(shí)的可行性和實(shí)用價(jià)值。
【圖文】：

圖 2-1 前饋網(wǎng)絡(luò)與遞歸網(wǎng)絡(luò)[58]如圖 2-1 所示，在前饋網(wǎng)絡(luò)中，節(jié)點(diǎn)間的連接遵循從輸入層到隱藏層，再到輸出層的順序單向連通，層級(jí)結(jié)構(gòu)明顯，層間節(jié)點(diǎn)互不連通。前饋神經(jīng)網(wǎng)絡(luò)普遍具有以下特點(diǎn)： 一般情況下，激活信號(hào)從輸入層通過(guò)隱藏層傳遞到輸出層，此過(guò)程嚴(yán)格單向； 前饋網(wǎng)絡(luò)實(shí)現(xiàn)的映射是靜態(tài)的； 前饋網(wǎng)絡(luò)是無(wú)后效性的，其輸出只與當(dāng)前輸入有關(guān)，，而與過(guò)去的輸入無(wú)關(guān)。在神經(jīng)網(wǎng)絡(luò)剛剛興起的一段時(shí)間里，前饋神經(jīng)網(wǎng)絡(luò)是研究的主流，但是隨著研究的深入，其劣勢(shì)逐漸暴露出來(lái)。一個(gè)普遍的例子，如果我們要預(yù)測(cè)一篇文本的下一個(gè)單詞是什么，前饋網(wǎng)絡(luò)就顯得有些無(wú)能為力了，因?yàn)槿魏挝恼轮械膯卧~都不是孤立存在，而是與上下文相關(guān)聯(lián)的。為了解決前饋網(wǎng)絡(luò)這方面的嚴(yán)重不足，RNN 網(wǎng)絡(luò)應(yīng)運(yùn)而生。相比之下，RNN 網(wǎng)絡(luò)結(jié)構(gòu)包含至少一個(gè)閉環(huán)路徑，其特點(diǎn)如下：

第二章 背景知識(shí)與相關(guān)技術(shù)示為： ( ) = ( ) ( ) 隱藏節(jié)點(diǎn)的狀態(tài)向量可以表示為： ( ) = ( ) ( ) ，L 個(gè)輸出節(jié)點(diǎn)的狀態(tài)可以表示為： ( ) = ( ) ( ) 表步數(shù)。輸入層、隱藏層、輸出層分別的連接權(quán)重則可以表示為 ( )的權(quán)重矩陣，如圖 2-2：
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：G647;TP311.13

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 武森;馮小東;單志廣;;基于不完備數(shù)據(jù)聚類(lèi)的缺失數(shù)據(jù)填補(bǔ)方法[J];計(jì)算機(jī)學(xué)報(bào);2012年08期

2 王宏志;樊文飛;;復(fù)雜數(shù)據(jù)上的實(shí)體識(shí)別技術(shù)研究[J];計(jì)算機(jī)學(xué)報(bào);2011年10期

3 張建中;方正;熊擁軍;袁小一;;對(duì)基于SNM數(shù)據(jù)清洗算法的優(yōu)化[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年06期

4 龐雄文;姚占林;李擁軍;;大數(shù)據(jù)量的高效重復(fù)記錄檢測(cè)方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

5 陳偉,陳耿,朱文明,王昊;基于業(yè)務(wù)規(guī)則的錯(cuò)誤數(shù)據(jù)清理方法[J];計(jì)算機(jī)工程與應(yīng)用;2005年14期

6 邱越峰,田增平,季文

本文編號(hào)：2533504