重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2021, Vol. 35 ›› Issue (5): 243-252.doi: 10.3969/j.issn.1674-8425(z).2021.05.031

• “第四届亚洲人工智能技术大会”专栏 • 上一篇    下一篇

基于双重扰动与核 ＥＬＭ 融合的 大学生贫困认定模型研究

郑建华１，２，朱 蓉１，刘双印１，２，贺超波１，２   

  1. １．仲恺农业工程学院 信息科学与技术学院，广州 ５１０２２５； ２．广东省高校智慧农业工程技术研究中心，广州 ５１０２２５
  • 收稿日期:2020-09-14 出版日期:2021-06-07 发布日期:2021-06-07
  • 作者简介:郑建华，男，博士，副教授，主要从事大数据处理与分析、数据挖掘及机器学习方面研究，Ｅｍａｉｌ：ｚｈｅｎｇｊｉａｎｈｕａ＠ ｚｈｋｕ．ｅｄｕ．ｃｎ；通讯作者 朱蓉，女，实验师，主要从事数据挖掘与机器学习方面研究，Ｅｍａｉｌ：ｚｈｕｒｏｎｇ＠ｚｈｋｕ． ｅｃｕ．ｃｎ。
  • 基金资助:
    国家自然科学基金项目 （６１４７１１３３，６１８７１４７５）；广东省科技计划项目（２０１７Ａ０７０７１２０１９，２０２０Ａ１４１４０５００６２）； 广东省教育厅项目（２０１６ＫＺＤＸＭ００１，２０１７ＧＣＺＸ００１，２０２０ＫＺＤＺＸ１１２１）；广州市科技计划项目（２０１７０４０３００９８）

  • Received:2020-09-14 Online:2021-06-07 Published:2021-06-07

PDF (PC)

173

赞

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。

关键词: 双重扰动, 不平衡数据, 核极限学习机, 贫困认定

中图分类号: 

  • TP181