本發(fā)明屬于高校資助，具體涉及一種基于改進(jìn)k-means算法的高校資助評定方法。

背景技術(shù)：

1、目前，大部分高校資助的認(rèn)定方式仍然采用手工的方式進(jìn)行統(tǒng)計分析和記分，且具體的分析記分材料主要來源于學(xué)生自己所提供的相關(guān)證明材料，因此存在較大的人為主觀性，難以對學(xué)生實際情況進(jìn)行準(zhǔn)確全面的評價，進(jìn)而導(dǎo)致資助的認(rèn)定結(jié)果不夠準(zhǔn)確、客觀。

技術(shù)實現(xiàn)思路

1、鑒于此，為解決上述背景技術(shù)中所提出的問題，本發(fā)明的目的在于提供一種基于改進(jìn)k-means算法的高校資助評定方法。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于改進(jìn)k-means算法的高校資助評定方法，包括以下步驟：

4、獲取學(xué)生數(shù)據(jù)，并對所述學(xué)生數(shù)據(jù)進(jìn)行預(yù)處理，且所述學(xué)生數(shù)據(jù)至少包括校園一卡通消費(fèi)數(shù)據(jù)、身份數(shù)據(jù)、家庭信息數(shù)據(jù)以及班級評價數(shù)據(jù)；

5、通過預(yù)處理后的的家庭信息數(shù)據(jù)與班級評價數(shù)據(jù)計算資助指數(shù)；

6、對預(yù)處理后的校園一卡通消費(fèi)數(shù)據(jù)進(jìn)行特征提取，并將所提取的特征組合形成樣本數(shù)據(jù)集，記u＝{u1,u2,u3......un}，其中n為所述樣本數(shù)據(jù)集的樣本個數(shù)；

7、初始化分類數(shù)量k，基于改進(jìn)k-means算法對與所述樣本數(shù)據(jù)集進(jìn)行聚類分類，并基于分類結(jié)果得到消費(fèi)指數(shù)；

8、通過所述資助指數(shù)與所述消費(fèi)指數(shù)綜合計算資助等級。

9、優(yōu)選的，所述預(yù)處理包括去重、缺失處理和格式化；其中

10、所述去重為：根據(jù)學(xué)生校園一卡id進(jìn)行數(shù)據(jù)排序，通過比較相鄰數(shù)據(jù)來刪除重復(fù)數(shù)據(jù)；

11、所述缺失處理為：使用平均值填充缺失數(shù)據(jù)；

12、所述格式化為：將所有消費(fèi)數(shù)據(jù)轉(zhuǎn)化為統(tǒng)一的文本格式。

13、優(yōu)選的，所述身份數(shù)據(jù)包括學(xué)生性別和學(xué)生戶口類型。

14、優(yōu)選的，所述資助指數(shù)的計算公式為pi＝(sex*hr*ncf*cdr)1/4；式中，sex表示學(xué)生性別，hr表示戶口類型，ncf表示家庭信息數(shù)據(jù)，cdr表示班級評價數(shù)據(jù)。

15、優(yōu)選的，所述的對預(yù)處理后的校園一卡通消費(fèi)數(shù)據(jù)進(jìn)行特征提取包括：提取m個消費(fèi)指標(biāo)，并將所提取的特征記錄為包含有該m個消費(fèi)指標(biāo)的指標(biāo)集合x＝(x1,x2......xm)；其中所述m個消費(fèi)指標(biāo)至少包括在預(yù)設(shè)時間段內(nèi)的總消費(fèi)次數(shù)、總消費(fèi)金額以及平均消費(fèi)金額。

16、優(yōu)選的，所述的基于改進(jìn)k-means算法對與所述樣本數(shù)據(jù)集進(jìn)行聚類分析包括：

17、1)從所述樣本數(shù)據(jù)集中隨機(jī)選取一個樣本作為初始聚類中心；

18、2)計算所述樣本數(shù)據(jù)集中每個樣本與最近的一個聚類中心之間的最短距離、以及每個樣本被選為下一個聚類中心的概率；

19、3)隨機(jī)產(chǎn)生一個[0～1]的隨機(jī)數(shù)，計算每個樣本對應(yīng)概率與該隨機(jī)數(shù)的差值，并選取最小差值所對應(yīng)的一個樣本為下一個聚類中心(輪盤法)；

20、4)重復(fù)步驟2)與步驟3)至得到k個聚類中心；

21、5)分別計算每個樣本與k個聚類中心的距離，并將每個樣本歸類到與之距離最近的一個聚類中心所在的類別中；

22、6)計算每個聚類類別中所有樣本的平均位置，以該平均位置為當(dāng)前聚類類別中新的聚類中心；

23、7)重復(fù)步驟5)與步驟6)至各聚類中心點(diǎn)不再發(fā)生變化或達(dá)到預(yù)設(shè)的迭代次數(shù)；

24、8)輸出聚類分類結(jié)果。

25、優(yōu)選的，所述聚類分類結(jié)果為消費(fèi)等級分類，且所述消費(fèi)等級包括不資助消費(fèi)、一般資助消費(fèi)、資助消費(fèi)、特別資助消費(fèi)。

26、優(yōu)選的，根據(jù)不同消費(fèi)等級預(yù)設(shè)所述消費(fèi)指數(shù)。

27、優(yōu)選的，所述樣本與所述聚類中心之間的距離為歐式距離：

28、式中，uik表示樣本ui的位置坐標(biāo)，ujk表示樣本uj的位置坐標(biāo)。

29、優(yōu)選的，所述資助等級計算公式為y＝pi*a；且a表示消費(fèi)指數(shù)。

30、本發(fā)明與現(xiàn)有技術(shù)相比，具有以下有益效果：

31、本發(fā)明以學(xué)生校園一卡通消費(fèi)數(shù)據(jù)為基礎(chǔ)，從該消費(fèi)數(shù)據(jù)中提取具有代表性的總消費(fèi)次數(shù)、總消費(fèi)金額以及平均消費(fèi)金額等消費(fèi)指標(biāo)作為消費(fèi)特征，結(jié)合改進(jìn)k-means算法執(zhí)行消費(fèi)特征分類，以此精準(zhǔn)確定學(xué)生的消費(fèi)情況，然后再結(jié)合身份數(shù)據(jù)、家庭信息數(shù)據(jù)以及班級評價數(shù)據(jù)來進(jìn)行資助等級的量化計算，為困難學(xué)生的資助評定提供科學(xué)、準(zhǔn)確的輔助分析依據(jù)。

技術(shù)特征：

1.一種基于改進(jìn)k-means算法的高校資助評定方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于改進(jìn)k-means算法的高校資助評定方法，其特征在于，所述預(yù)處理包括去重、缺失處理和格式化；

3.根據(jù)權(quán)利要求1所述的基于改進(jìn)k-means算法的高校資助評定方法，其特征在于：所述身份數(shù)據(jù)包括學(xué)生性別和學(xué)生戶口類型。

4.根據(jù)權(quán)利要求3所述的基于改進(jìn)k-means算法的高校資助評定方法，其特征在于：所述資助指數(shù)的計算公式為pi＝(sex*hr*ncf*cdr)1/4；式中，sex表示學(xué)生性別，hr表示戶口類型，ncf表示家庭信息數(shù)據(jù)，cdr表示班級評價數(shù)據(jù)。

5.根據(jù)權(quán)利要求1所述的基于改進(jìn)k-means算法的高校資助評定方法，其特征在于，所述的對預(yù)處理后的校園一卡通消費(fèi)數(shù)據(jù)進(jìn)行特征提取包括：

6.根據(jù)權(quán)利要求1所述的基于改進(jìn)k-means算法的高校資助評定方法，其特征在于，所述的基于改進(jìn)k-means算法對與所述樣本數(shù)據(jù)集進(jìn)行聚類分析包括：

7.根據(jù)權(quán)利要求6所述的基于改進(jìn)k-means算法的高校資助評定方法，其特征在于：所述聚類分類結(jié)果為消費(fèi)等級分類，且所述消費(fèi)等級包括不資助消費(fèi)、一般資助消費(fèi)、資助消費(fèi)、特別資助消費(fèi)。

8.根據(jù)權(quán)利要求7所述的基于改進(jìn)k-means算法的高校資助評定方法，其特征在于：根據(jù)不同消費(fèi)等級預(yù)設(shè)所述消費(fèi)指數(shù)。

9.根據(jù)權(quán)利要求6所述的基于改進(jìn)k-means算法的高校資助評定方法，其特征在于：所述樣本與所述聚類中心之間的距離為歐式距離：

10.根據(jù)權(quán)利要求1所述的基于改進(jìn)k-means算法的高校資助評定方法，其特征在于：所述資助等級計算公式為y＝pi*a；且a表示消費(fèi)指數(shù)。

技術(shù)總結(jié)
本發(fā)明屬于高校資助技術(shù)領(lǐng)域，公開了一種基于改進(jìn)K?Means算法的高校資助評定方法，包括以下步驟：獲取學(xué)生數(shù)據(jù)，并對所述學(xué)生數(shù)據(jù)進(jìn)行預(yù)處理，且所述學(xué)生數(shù)據(jù)至少包括校園一卡通消費(fèi)數(shù)據(jù)、身份數(shù)據(jù)、家庭信息數(shù)據(jù)以及班級評價數(shù)據(jù)；通過預(yù)處理后的的家庭信息數(shù)據(jù)與班級評價數(shù)據(jù)計算資助指數(shù)；對預(yù)處理后的校園一卡通消費(fèi)數(shù)據(jù)進(jìn)行特征提取，并將所提取的特征組合形成樣本數(shù)據(jù)集，記U＝{u1,u2,u3......uN}，其中N為所述樣本數(shù)據(jù)集的樣本個數(shù)；初始化分類數(shù)量K，基于改進(jìn)K?Means算法對與所述樣本數(shù)據(jù)集進(jìn)行聚類分類，并基于分類結(jié)果得到消費(fèi)指數(shù)；通過所述資助指數(shù)與所述消費(fèi)指數(shù)綜合計算資助等級。

技術(shù)研發(fā)人員：李學(xué)寶,馬子淵,馬占飛,劉愛軍,徐丹,馬鈺松,李旺
受保護(hù)的技術(shù)使用者：內(nèi)蒙古科技大學(xué)包頭師范學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/5