基于譜聚類與支持向量機的高校經(jīng)濟困難學(xué)生認定方法研究

1、    基于譜聚類與支持向量機的高校經(jīng)濟困難學(xué)生認定方法研究    莫媛媛+顧明言+張輝宜摘 要：為解決當前高校在家庭經(jīng)濟困難學(xué)生認定方面缺少直觀數(shù)據(jù)佐證的問題，本文基于在校學(xué)生的一卡通消費數(shù)據(jù)，結(jié)合譜聚類算法與支持向量機的優(yōu)點，探索了一種數(shù)據(jù)量化的家庭經(jīng)濟困難學(xué)生認定方法。首先，對原始數(shù)據(jù)的每筆消費記錄進行標記并采用譜聚類算法對預(yù)處理后的學(xué)生消費數(shù)據(jù)進行聚類分析；然后依據(jù)聚類結(jié)果生成數(shù)據(jù)篩選規(guī)則，剔除離群樣本，提取有效的日常消費數(shù)據(jù)；最后，選取不同的特征構(gòu)建特征向量并輸入到支持向量機（support vector machine，svm）中訓(xùn)練家庭經(jīng)濟

2、困難學(xué)生認定模型。實驗結(jié)果表明，本文研究的方法能準確地區(qū)分出在校生的經(jīng)濟困難程度，在校生的消費信息能較客觀地反映出學(xué)生的家庭經(jīng)濟情況，該方法將為高校經(jīng)濟困難學(xué)生認定工作提供一種有效的輔助手段。關(guān)鍵詞：譜聚類算法；特征提?。籹vm；經(jīng)濟困難學(xué)生認定模型：g647 文獻標志碼：a ：1673-8454（2017）15-0048-04一、引言近年來，我國對高校經(jīng)濟困難學(xué)生的資助力度逐漸增強，各個高校主要通過經(jīng)濟困難生資助體系給予經(jīng)濟困難學(xué)生群體幫助。1但資助體系中經(jīng)濟困難學(xué)生的認定過程受諸多因素的影響，比如：認定標準難以統(tǒng)一；定性因素、主觀因素多，客觀依據(jù)少，不可避免會出現(xiàn)認定范圍和等級的偏差；缺少

3、科學(xué)審查和復(fù)核辦法；對虛報家庭經(jīng)濟狀況的行為缺乏有效監(jiān)督等等。同時經(jīng)濟困難學(xué)生的認定涉及教育機會公平、維護高校和社會穩(wěn)定的重要問題。2-3那么如何才能更加公平、公正、客觀地評定呢？眾所周知，學(xué)生在學(xué)校使用的校園卡可以直觀地體現(xiàn)學(xué)生的生活水平，已有部分高校開始對學(xué)生校園一卡通的消費行為數(shù)據(jù)進行研究，并使用數(shù)據(jù)挖掘技術(shù)中的聚類算法和規(guī)則分析算法對校園一卡通數(shù)據(jù)進一步分析。4-5 王德才等人利用svm和apriori關(guān)聯(lián)規(guī)則算法分析學(xué)生校園一卡通消費行為數(shù)據(jù)；6羅擁軍等人采用基于fp-growth算法尋找學(xué)生的貧困度與一卡通數(shù)據(jù)之間關(guān)聯(lián)關(guān)系的依據(jù)；7黃劍等人利用決策樹數(shù)據(jù)挖掘算法分析學(xué)生校園中的消費

4、行為習(xí)慣內(nèi)在關(guān)聯(lián)關(guān)系和變化趨勢，以便于調(diào)整學(xué)校餐飲服務(wù)；8徐劍等人利用k-means算法對一卡通的消費數(shù)據(jù)進行了聚類分析，并用關(guān)聯(lián)規(guī)則算法分析了學(xué)生的消費數(shù)據(jù)與學(xué)生成績之間的關(guān)聯(lián)關(guān)系；9姜楠等人也利用數(shù)據(jù)挖掘的k-means算法對學(xué)生消費行為進行消費習(xí)慣聚類分析，并對聚類結(jié)果進行了評估，最后也采用關(guān)聯(lián)規(guī)則算法進行學(xué)習(xí)行為關(guān)聯(lián)度分析。10k-means算法在緊湊的超球形分布的數(shù)據(jù)集合上有很好的性能，然而當數(shù)據(jù)結(jié)構(gòu)是非凸的，或數(shù)據(jù)點彼此交疊嚴重時，k-均值算法往往會失效，而且算法的迭代最優(yōu)方法不能保證收斂到全局最優(yōu)解。11而另一種聚類算法譜聚類算法克服了k-means算法的缺點，具有識別非凸分布聚

5、類的能力，適合于求解實際問題，不會陷入局部最優(yōu)解，且能避免數(shù)據(jù)的過高維數(shù)所造成的奇異性問題。12-13譜聚類算法是一種基于兩點間相似關(guān)系的方法，已被成功應(yīng)用于語音識別、視頻分割、圖像分割、vlsi設(shè)計、網(wǎng)頁劃分等領(lǐng)域。14-16目前大部分高校對學(xué)生一卡通的數(shù)據(jù)分析多用于研究在校行為分析，對于經(jīng)濟困難學(xué)生的認定分析，缺少一些直觀、可信度較高的數(shù)據(jù)作為支撐，多為定性分析，無量化指標。本文研究了一種基于譜聚類與支持向量機的經(jīng)濟困難學(xué)生認定方法，首先對學(xué)生行為數(shù)據(jù)進行規(guī)范化處理，采用譜聚類算法對數(shù)據(jù)進行聚類；通過對聚類結(jié)果進行分析，從中選取合適的特征及樣本數(shù)據(jù)；然后采用不同的核函數(shù)構(gòu)建基于支持向量機的

6、經(jīng)濟困難學(xué)生認定模型。二、理論基礎(chǔ)1.譜聚類算法三、實驗數(shù)據(jù)處理及分析實驗使用的數(shù)據(jù)存在兩個方面的問題：一方面在數(shù)據(jù)采集、傳輸?shù)倪^程中常會造成數(shù)據(jù)缺失或者數(shù)據(jù)冗余，而數(shù)據(jù)的質(zhì)量直接影響到認定模型訓(xùn)練結(jié)果的好壞，所以需要對原始數(shù)據(jù)進行規(guī)范化處理；另一方面，不同學(xué)生的消費情況存在一定的差異不同年級、專業(yè)由于課程安排不同（實習(xí)、外出交流學(xué)習(xí)等），往往很多學(xué)生一學(xué)期內(nèi)刷卡消費的天數(shù)會出現(xiàn)很大的差別；同一個人在不同時期，消費金額也會有較大的懸殊，因此，需要采用有效的方法對學(xué)生消費數(shù)據(jù)進行處理，以得到學(xué)生的真實消費數(shù)據(jù)。針對這兩個問題，分別采用以下解決方法：去除冗余數(shù)據(jù)，綜合學(xué)工、卡機等其他信息來源，對信

7、息缺失的數(shù)據(jù)進行補全；然后，根據(jù)刷卡機所屬的部門，梳理出在校生主要的消費去向有餐廳、超市、水果店、書店、精品店、打印、水費、電費、網(wǎng)費、醫(yī)療費，關(guān)聯(lián)消費數(shù)據(jù)及卡機信息，對每筆消費進行標記；最后，對學(xué)生消費數(shù)據(jù)按日匯總，生成日常消費樣本數(shù)據(jù)。使用譜聚類算法對學(xué)生的日消費數(shù)據(jù)進行聚類，利用聚類結(jié)果，對原始數(shù)據(jù)進行過濾，剔除離群樣本，篩選出有效的日常消費數(shù)據(jù)。文中從三年的一卡通數(shù)據(jù)中隨機選出20萬條消費數(shù)據(jù)，經(jīng)規(guī)范化處理后選取10000條日消費數(shù)據(jù)用于譜聚類分析。1.實驗數(shù)據(jù)預(yù)處理購買禮品、就醫(yī)花費等消費存在偶發(fā)性且不具備普遍性，電費為公攤消費無法體現(xiàn)個體用電情況，購書、打印、水費、網(wǎng)費常為一次刷卡

8、，使用較長的時間后才會出現(xiàn)二次消費，不適合作為細粒度的分析。綜上，本文對日常消費數(shù)據(jù)中與生活息息相關(guān)的餐飲、超市、水果消費數(shù)據(jù)進行聚類，以歸納出過高過低等異常消費數(shù)據(jù)的規(guī)則。文中采用以下幾步對樣本數(shù)據(jù)進行聚類：首先，建立消費數(shù)據(jù)樣本集合x=x1，x2，xn，其中，xi=j1，j2，j3為第i個日消費數(shù)據(jù)樣本，j1、j2、j3分別為日餐飲、超市、水果消費額。對所有的樣本數(shù)據(jù)，使用公式（1）計算樣本數(shù)據(jù)的相似矩陣w；然后，根據(jù)公式（2）計算對角矩陣d，并利用公式（3）計算拉普拉斯矩陣，再利用公式（4）進行歸一化處理；而后，計算矩陣l的特征值及特征向量，選取前4個特征向量構(gòu)建特征矩陣v；最后，使用k

9、-means算法對特征矩陣進行聚類。根據(jù)學(xué)生消費情況，將聚類數(shù)目設(shè)置為4，分別表示異常消費、較低消費、中等消費、較高消費。使用matlab工具函數(shù)對日消費數(shù)據(jù)進行聚類，結(jié)果如圖1所示。 從圖1可知，消費額處于中間部分的數(shù)據(jù)占有較大的比例，文中將此部分數(shù)據(jù)設(shè)定為合理的消費并選取較低消費數(shù)據(jù)、較高消費數(shù)據(jù)作為有效消費區(qū)間 。從原始數(shù)據(jù)中篩選出滿足上述條件的消費數(shù)據(jù)作為在校生的正常消費數(shù)據(jù)，然后求取每個學(xué)生的日均消費數(shù)據(jù)。從三年經(jīng)濟困難學(xué)生名單中選擇有家庭經(jīng)濟狀況調(diào)查的輕微困難學(xué)生600人、中等困難學(xué)生 300人、特別困難學(xué)生120人及隨機挑選出非經(jīng)濟困難學(xué)生2040人的日常消費數(shù)據(jù)，按上述規(guī)則過濾

10、并對不同類別（餐廳、超市、水果店、書店、精品店、打印、水費、電費、網(wǎng)費等）的消費做均值處理，獲取共3060條日均消費數(shù)據(jù)；選用前兩年2040條數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)輸入到svm訓(xùn)練分類模型，剩余部分作為測試數(shù)據(jù)。2.分類模型的訓(xùn)練與結(jié)果分析特征的選取與核函數(shù)的選擇在訓(xùn)練基于支持向量機的分類模型中具有至關(guān)重要的作用，將決定分類模型在實際應(yīng)用中的好壞，為了比較全面地了解不同的特征、核函數(shù)對分類模型效果的影響，實驗中做了如下設(shè)置：分別選取三組不同類型的消費數(shù)據(jù)作為特征數(shù)據(jù)，第一組數(shù)據(jù)包含餐廳、超市、水果店消費，另外兩組數(shù)據(jù)設(shè)置如表1所示；分別采用線性內(nèi)積函數(shù)、多項式內(nèi)積函數(shù)、徑向基內(nèi)積函數(shù)，并且選用相同的

11、函數(shù)參數(shù)來訓(xùn)練模型。實驗使用matlab中的svm工具箱進行分類模型的訓(xùn)練和測試。與餐飲消費相比，其他類別的消費額很小，其數(shù)值差異較大，文中采用對數(shù)函數(shù)對三組樣本數(shù)據(jù)進行歸一化處理，對數(shù)底為2。將分別選用歸一化處理后的三組數(shù)據(jù)通過svm分類器進行訓(xùn)練，其中每個分類器選用三個不同的核函數(shù)，訓(xùn)練完成后共生成三組9個不同的分類器。將與訓(xùn)練數(shù)據(jù)對應(yīng)的測試集分別輸入三組svm分類器中進行測試，不同分類模型的認定準確率如表2、3、4所示。從上述表1、2、3、4中可以得到以下三個方面的分析結(jié)果：通過在校生的日常消費數(shù)據(jù)能較準確地區(qū)分出經(jīng)濟困難生與非經(jīng)濟困難生；利用日消費數(shù)據(jù)鑒別經(jīng)濟困難生困難程度的準確率整體

12、較低，但認定特別困難學(xué)生的準確率相對較高；使用三種不同的核函數(shù)對經(jīng)濟困難生認定的準確率存在一定的差異，但總體差別較?。皇褂貌蛷d、超市、水果店、水費、網(wǎng)費特征數(shù)據(jù)進行分類的準確率最高，使用所有類別特征數(shù)據(jù)進行鑒別的正確率最低。使用包含水費、網(wǎng)費消費特征的數(shù)據(jù)訓(xùn)練出的分類模型的識別準確率較不包含這些特征的分類器的高。由于禮品、就醫(yī)花費等消費存在偶發(fā)性；電費屬于公攤消費無法體現(xiàn)個體消費情況，學(xué)校圖書館藏較大能基本滿足在校生的借閱需求，在校生購書消費率較低，這些不確定因素使禮品、就醫(yī)、電費等特征干擾了評定模型的準確性，以至于使用所有類別數(shù)據(jù)進行訓(xùn)練的分類模型的鑒別正確率較低。在校生大都來自于普通家庭，

13、大多未申請經(jīng)濟困難的在校生的消費行為與輕微困難學(xué)生的消費情況差之甚微，以至于兩者容易分到彼此的類別中，這是造成輕微困難學(xué)生認定準確率較低的原因之一；且造成學(xué)生家庭特別困難諸如突發(fā)性的自然災(zāi)害、家庭出現(xiàn)重大變故等客觀因素?zé)o法從歷史消費行為中體現(xiàn)，這是導(dǎo)致難以根據(jù)日常消費數(shù)據(jù)精確區(qū)分在校生家庭困難程度的因素之一。四、結(jié)論本文使用譜聚類算法對在校生的日常消費數(shù)據(jù)進行聚類以篩選出真實的消費數(shù)據(jù)，并構(gòu)建基于svm的經(jīng)濟困難生認定模型。實驗結(jié)果表明，本文采用的方法能較好地區(qū)分出在校生是否為經(jīng)濟困難學(xué)生，在校生的消費信息能較客觀地體現(xiàn)出學(xué)生的家庭經(jīng)濟情況，該數(shù)據(jù)量化的認定方法將為高校經(jīng)濟困難學(xué)生評定工作提供

14、一種有效的輔助手段。參考文獻：1陳健，梁思影.高校貧困生認定、資助體系評析j.高校輔導(dǎo)員學(xué)刊，2010（1）： 24-27.2秦微微.基于數(shù)據(jù)挖掘技術(shù)的高校貧困生評判指標的選取d.東北師范大學(xué)，2015.3張沂紅.基于校園卡系統(tǒng)的學(xué)生困難認定輔助評判系統(tǒng)的研究與實現(xiàn)d.山東大學(xué)， 2010.4王春雁，白雪.高校校園卡系統(tǒng)應(yīng)用現(xiàn)狀及趨勢淺析j.中國教育信息化（高教職教）， 2011（11）： 83-87.5王雪飛.數(shù)據(jù)挖掘在高校貧困生校園卡流水數(shù)據(jù)中的應(yīng)用研究d.東北師范大學(xué)， 2014.6王德才.數(shù)據(jù)挖掘在校園卡消費行為分析中的研究與應(yīng)用d.哈爾濱工程大學(xué)， 2010.7羅擁軍，羅云芳，陸元路

15、.基于 fp-growth算法的高校貧困生輔助辨識系統(tǒng)研究與應(yīng)用j.廣西職業(yè)技術(shù)學(xué)院學(xué)報，2016（1）：1-4.8黃劍.基于決策樹數(shù)據(jù)挖掘算法的大學(xué)生消費數(shù)據(jù)分析j.電腦與信息技術(shù)，2015（5）：44-45.9徐劍.基于一卡通數(shù)據(jù)的消費行為與成績的關(guān)聯(lián)性研究分析d.南昌大學(xué)，2010.10姜楠，許維勝.基于校園一卡通數(shù)據(jù)的學(xué)生消費及學(xué)習(xí)行為分析j.微型電腦應(yīng)用， 2015（2）：35-38.11王婷.基于半監(jiān)督集成的遙感圖像的分割和分類d.西安電子科技大學(xué)，2009.12楊曉靜.基于流形學(xué)習(xí)的數(shù)據(jù)聚類與可視化d.西安電子科技大學(xué)，2012.13arbib m a. the handbook

16、 of brain theory and neural networksm.mit press， 2003.14jordan f r b m i. blind one-microphone speech separation： a spectral learning approachc.advances in neural information processing systems 17： proceedings of the 2004 conference.mit press，2005，17： 65.15odobez j m， gatica-perez d， guillemot m. video shot clustering using spectral methodsc.3rd workshop on content-based multimedia indexing （cbmi）.2003（epfl-conf-82933）.16malik j， belongie s， leung t， et al. contour and tex