基于多层感知器神经网络的学生校内消费评估研究
2018-08-01马晓娜
中国教育信息化 2018年14期
武 斌 ,马晓娜
(1.安徽理工大学 现代教育技术中心,安徽 淮南 232001;2.安徽理工大学 测绘学院,安徽 淮南 232001)
一、引言
随着我国教育事业的不断发展,越来越多的公民实现了高等教育,招生人数的增加给学校管理与决策带来了挑战。如何快速、科学、可靠地了解学生的相关情况显得尤为重要。学生的校内消费数据中隐含了大量信息,通过对它的分析评估,可以获取学生多个方面的信息,为后续的诸如贫困生认定、学校资源配置优化等提供参考。数据分析评估可以有多个方向,本文以贫困生认定为例。
贫困生的认定指标体系中有家庭、个人、学校、社会等几个方面,其中学生校内消费是家庭与个人方面的重要体现。因此,我们可以通过分析评估学生的校内消费数据挖掘出隐藏的信息,为认定工作提供数据支持。有部分高校尝试大数据统计分析方法,如决策树算法[2]、关联规则算法[3]、层次分析算法[4]、数据挖掘算法[5]、聚类分析算法[6]等。这些算法虽然可以获取信息,但是他们的底层核心算法还是基于传统的单个评估指标的排列组合与逻辑判断。而这些单个评估指标如何确定、准确与否同样是需要解决的问题。为此笔者提出了采用机器学习中的多层感知器神经网络算法,通过学习已给定学生的校内消费数据,建立多层感知器神经网络模型,最后用建立完成的模型去评估并输出结果。
二、神经网络
神经网络是一种模拟人脑的神经网络系统,以期能够实现类人工智能的机器学习技术。……
登录APP查看全文
