基于数据挖掘的地方高校贫困生行为模型研究与分析

摘要

高校贫困生一直以来为国家、社会各界、高等学校的重点关注对象。作为地方高校的某高校重视贫困生工作，除了正常的认定环节，积极探索贫困生的各项有效管理方法。同时，随着其高校信息化建设的推进积累了大量的数据，并统一存储在数据中心中，有利于数据的集中管理，成为各项学校决策提供数据分析、统计的重要来源。
　　本文通过使用数据中心数据，利用数据挖掘技术，从贫困生日常消费、上网行为、学习三个方面进行数据挖掘和分析，建立贫困生的行为模型，为更好开展贫困生管理管理工作提供更多辅助决策与支持。本文主要研究和实现以下内容：
　　1．针对贫困生的日常消费，首先分别对每个学生早、中、晚餐的平均消费金额采用K-Means聚类算法进行消费水平分类；其次通过采用Kettle工具对消费地点、消费时间进行分类，并统计每个学生在不同时间不同地点的早中晚餐的各消费水平次数，产生36维特征；最后结合贫困生信息采用Weka中的逻辑回归算法得到日常消费行为模型。
　　2．针对贫困生的上网行为，首先分别对每个学生每个时间点的平均流量采用K-Means聚类算法进行流量高低分类；其次通过采用Kettle工具对上网时间进行分类，并统计不同时间段的各流量高低次数，产生28维特征；最后结合贫困生信息采用Weka中的逻辑回归算法得到上网行为模型。
　　3．针对贫困生的学习，采集了相关课程成绩，排名分析则采用加权平均数，获取每位学生的平均分，并对其在本专业本年级排名情况进行分析。
　　4．通过日常消费分析结果为贫困生实时监管提供有效的理论依据，结合上网流量分析结果、课程成绩排名分析，为评定励志奖学金及慈善机构资助提供决策与依据。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 高校贫困生现状

1.2 研究背景及研究意义

1.3 本文主要研究内容

1.4 本文的组织结构

第2章 相关基础知识及技术

2.1 数据挖掘技术概述

2.2 数据挖掘常用工具

2.3 K-Means算法的应用

2.4 Logistic Regression算法的应用

2.5 本章小结

第3章 地方高校学生行为信息来源与集中存储

3.1 高校基础网络概述

3.2 高校信息系统建设概述

第4章 地方高校贫困生行为模型分析与实验

4.1 实验环境

4.2 贫困生的日常消费模型构建与分析

4.3 贫困生的上网行为模型构建与分析

4.4 贫困生的课程成绩状况分析

4.5 实验结果综合分析

4.6 本章小结

第5章 结论与展望

5.1 结论

5.2 展望

参考文献

致谢