应用研究
基于校园一卡通消费
数据对高校贫困生分类的应用研究
张玺涡森林孙宗良
(成都理工大学信息科学与技术学院四川成都610000)
数事其务与成用
摘要：目前,各大高校都建主了较为全面的资大学生资助体系。但是在确定受助人资时存在很大的不确定性,没有其体的贫图指标量化,其正贫国的同学碍于面子，缺乏主动性，非图生浑本模鱼等情况导致图生认定工作依旧是高校资助决策的难题。为了寻求一种客观公平，公正的方法,本文采用支持向量机(SupportVectorMachine,SVM)对学生校一卡通的消费数据进行分析,将学生按资图与非贫图分类,在高校资助决策工作中给予一定辅助
关键词：校园一卡通支持向量机贫团生分析数据挖抵
中图分类号：TP181
文献标识码：A
我国在高校贫围生资助体系上已经相对完善，但是其评定工作由人工进行认定，所以在贫困材料的申请上很难甄别真假，外加每年申请贫困助学金的人数较多，没有具体的贫困指标进行量化，导致贫困生确定依旧是各大高校资助决策的一个难题。
随着校园一卡通的使用，其记录的学生个人消费信息值得我们深度挖掘。本文以成都理工大学校园一卡通的消费数据为基础，采用SVM对数据进行分类，在贫围生的资助决策工作中给予工作人员一定辅助。
1支持向量机
支持向量机(SupportVectorMachine,SVM)是一种二类分类模型，是CorinnaCortes和Vapnik等于1995年首先提出的。其主要思想是建立一个分类超平面作为决策曲面，使得正例和反例之间的隔离边缘被最大化。支持向量机的理论基础是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，考虑的是经验风险和置信界之和的最小化。根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度和学习能力即无错误地识别任意样本的
能力)之间寻求最佳折中，以求获得最好的推广能力。 2数据提取
校园一卡通数据记录了学生每天的消费行为，能够客观真实反映学生的贫围情况。根据对高校学生资助工作的调查和了解，本文提出：贫困生使用校园一卡通在校内消费的次数相对较高的假设。在数据提取中，必须满足所有学生每月在校内消费次数大于等于45 次。
我们在学校资助中心由人工提取了700名具有代表性的贫困学生名单，并且提取了贫困学生近期半率年内的校园一卡通消费记录和户口情况其退，我们随机从全校学生中选取了300名非贫围学生，获取了非贫困生近期率年内的校园一卡通消费记录和户口情况
校园一卡通数据庞大，因此我们整理并提取了学生近期半年内的消费总次数，消费总金额，人均消费金额，每月消费次数，户口情况，性别与是否贫困。在SVM实现时，其输人和输出必须是数值型的，所以我们需要对相关数据进行预处理。户口分为农村户口和城
业2N 认集原总究
收稿日期：20160608
ns（6果）
图1模型整体流程
SUN（试果
外资准事
文章编号:1007-9416(2016)08-0100-01
镇户口，在数据输人时，我们用-1表示农村户口，1表示城镇户口。性别分为男，女，我们用一0.5代表女生，0.5代表男生。贫围分类为2类，以0代表非贫困，1代表贫困。
经过预处理，数据里一共包含1000个样本，每个样本含有4个特征值，分别为：消费总次数，消费总金额，户口情况，性别，每个样本的类别标签已给出。数据分类预测时，从1000个样本中随机选取800个
样本作为训练集，200个样本作为测试集， 3模型建立
模型建立首先需要从原始数据里把训练集和测试集提取出来，然后对数据进行一定的预处理，接着用训练集对SVM进行训练，再用得到的模型来预测测试集的分类标签，本案例中的模型是一个4
输入，1输出的SVM模型。模型整体流程如图1。 4实验及结果分析
该实验在matlab下编程进行。在数据预处理时将数据归一化到[0，1]区间，核函数采用RBF进行训练，并交叉验证选择最佳参数c， g。最终在测试SVM分类时，准确率达到77.5%(155/200)。其中SVM 的实现采用的是libsvm工具箱(libsvm一mat)。从整个系统的分析来看，本实验提出的方法高效，快捷、可扩展以及直观性强。对高校的贫围生认定工作将有十分积极的贡献。
前期选取了学生近期半年内的校园一卡通每月消费次数和人均消费金额。每月消费次数用于筛选每月消费次数大于等于45次的学生，人均消费金额用于直观的反映学生的实际消费水平。其在后
续的决策中也可以给予决策者一定的辅助。 5结语
本文结合成都理工大学的实际情况，采用SVM进行数据分类。在得出SVM模型后，依据学生近期半年内的消费总次数，消费总金额，户口情况，性别四项指标对学生进行分类是否贫围，从而在贫围
生认定工作中给予一定的帮助。参考文献
[1]费小丹,董新科.张晖.基于校园一卡通消费数据的高校费围生分析[J].电脑知识与技术.2014(20)
[2]刘文学,刘汝元.基于校园一卡通平台的数据挖据应用分析[J-息系统工程,2015(5)
[3]沈吉文.高校贫图生资助体系实施现状的思考[J].扬州大学学报. 2008(1).
作者简介：张蛋(1992一),男汉族，四川乐山人,在读颈士研究生，主要研究方向：机器学习和深度学习。 100
方方数据