文献综述
- 文献综述背景
近几年，国家不断加大教育投入，其中在奖助贷政策方面惠及了很多学生，为贫困生顺利完成学业提供了很大资助。在学校实际工作中，贫困生的认定则是政策强、程序繁、认定难的一项工作，既要体现出公平公正公开的原则还要将国家的政策切实落实到每位贫困学生的实际生活中，帮助其按时完成学业。而教育精准扶贫是我国扶贫战略的重要组成部分,针对高校学生的精准扶贫工作是国家教育精准扶贫的重要内容。在教育方面，加强对大专以上院校农村学生的资助力度，从而减轻农户的教育负担，这也是为国家全面脱贫的重要手段。然而,在高校教育精准扶贫工作中存在贫困学生数据信息量大、种类繁杂、扶贫业务人员数量有限等困难,因此,贫困学生信息准确采集与高效管理是高校教育精准扶贫工作顺利实施的基础。随着互联网与人工智能技术的发展,为了解决教育精准扶贫工作中遇到的众多困难时,结合机器学习算法的高校贫困生管理信息系统就成为科学提高教育精准扶贫效果的重要手段。精准扶贫工作存在的主要问题是建档立卡贫困人口的识别不精准、文件下达的致贫结构与现实不符、脱贫规划未能完全动态跟进、产业扶持未能完全与贫困人口精准对接。基于这样的背景，本论文着手开发一套完善的、科学的、适用的高校贫困生信息管理系统，重点在于精准扶贫，从而达到节约人力资源，提高工作效率和保证管理工作准确性的目的。
2．主要开发技术
首先，系统采用B/S架构B/S架构，即Browser/Server浏览器/服务器模式，是在C/S结构(Client/Server客户机/服务器模式)的基础上提出的一种具有三层模式的应用系统结构，是对C/S模式的一种改进。在后台开发的主要框架上选择了ssm框架，SSM框架是当前Java开发最受欢迎的框架开发技术之一，它并不是单一的框架所谓SSM ( Spring, Spring MVC, MyBatis)框架集，即为Spring ( Spring MVC是Spring中的部分内容)、MyBatis两个开源框架的整合，在数据库层面，选择了MySQL，MySQL是具备B/S体系结构的分布式数据库管理系统，也是具有库平台性质的关系型数据库，同时它还支持在多种平台下运行，在Unix/Linux操作系统下还支持多线程的运行方式，可见其具备十分不错的性能 。
3.精准扶贫的人工智能算法
教育精准扶贫措施的实施主要依托于贫困对象分类数据的分类，而分类算法可以借鉴数据挖掘中关键分类和聚类算法，己有国内外大量研究提出了众多分类算法，Quinlan于1986年便提出了ID3决策树算法，随后改进为C4.5决策树分类算法,杨胜志在分布式环境下利用GBDT决策树分类算法对贫困生进行分类，余珍对传统的SVM算法升级优化为可变隶属度2C-FSVM，实现精准识别含不确定性的数据集中的少数类;随着人工智能技术和机器学习的发展，李红丽等针对单核支持向量机在图像分类识别中检测精度较低的问题，提出一种多核学习SVM的图像分类识别算法，提高图像分类检测精度，夏艳姣完成精准扶贫数据分析系统,深入研究了数据挖掘的主要分析方法,特征选择算法,分类预测技术的过程以及常用的分类算法。经过研究,提出了一种基于REAHCOR特征选择和GBDT的贫困等级评价模型,创新之处在于REAHCOR特征选择算法。
可见，己有大量研究提出了众多分类算法，但是尚未有研究人员针对教育精准扶贫任务中的贫困学生识别问题进行深入研究，由于数据的不平衡、数据量大、系统运算效率低、不确定数据多等原因，现有算法无法利用己有数据对贫困学生实现高精准分类，提出一种能够准确分类、处理任务效率高的贫困学生识别算法是教育精准扶贫系统能否高效运转的重点。这时就引入了贝叶斯学习算法，通过贝叶斯学习算法，从智慧校园统一标准化的各数据平台中对学生已有行为数据利用贝叶斯网络模型进行机器学习,重点根据学生日常消费水平、学业水平和家庭经济水平影响因子,选取训练样本构建贝叶斯网络并进行参数学习得到推理模型,进而对高校学生的贫困程度进行预测,可以得出预测结果与实际样本对比没有显著差异的结果,因此可将此模型用于替换原有主观定性的民主评议环节,实现用数据精确判定高校学生的贫困程度水平以准确分类补助,同时贝叶斯网络通过确定变量结点网络结构和参数学习来进行网络模型的概率推理,在样本数据不是过大的条件下能得到较精确的预测结果.从高校统一标准化的各数据平台中选取学生行为数据作为训练样本构建贝叶斯网络并进行参数学习得到推理模型,进而对高校学生的贫困程度进行预测,可以得出预测结果与实际样本对比没有显著差异,实现用数据分析精确判定高校学生的贫困程度水平。
参考文献：
- [1]精准扶贫究竟帮扶了谁?——基于多维贫困视角的实证分析[J]. 侯宏伟,李群峰. 河南师范大学学报(哲学社会科学版). 2018(02)
- [2]精准扶贫主体行为逻辑与作用机制研究[J]. 庄天慧,陈光燕,蓝红星. 广西民族研究. 2015(06)
- [3]当前中国精准扶贫工作存在的主要问题及改进措施[J]. 张翼. 国际经济评论. 2016(06)
- [4]肖英.基于B/S人力资源系统设计与实现[J].数字通信世界,2020(11):267-268.
- [5]王春丽.基于SSM架构考核评价系统设计与实现[J].电脑编程技巧与维护,2020(12):8-11.
- [6]李艳杰.MySQL数据库中数据参照完整性和一致性的设计与实现[J].信息技术与信息化,2020(11):102-104.
- [7]面向大数据流的多任务加速在线学习算法[J]. 李志杰,李元香,王峰,匡立. 计算机研究与发展. 2015(11)
- [8]一种大数据环境中分布式辅助关联分类算法[J]. 张明卫,朱志良,刘莹,张斌. 软件学报. 2015(11)
- [9]H-Tree:一种面向大数据流在线监测的层次索引[J]. 臧文羽,李军,方滨兴,谭建龙. 计算机学报. 2015(01)
- [10]改进ID3决策树算法——SS_ID3算法[J]. 蔡贺,张睿. 甘肃科技. 2011(14)
- [11]大数据背景下高校资助对象精准认定研究[D]. 张耀方.山西财经大学 2018
- [12]基于大数据的大学生精准资助贫困等级研究[D]. 杨胜志.东北师范大学 2018
- [13]可变隶属度2C-FSVM的研究及其辅助认定贫困生的应用[D]. 余珍.华南理工大学 2018
- [14]西双版纳州精准扶贫管理系统的设计与实现[D]. 宋宝华.山东大学 2017
- [15]隆阳区杨柳乡扶贫工作管理系统的研究与分析[D]. 孙殿博.云南大学 2016
- [16] 王卫星,李斌.智慧校园下利用机器学习算法实现高校贫困生的预测[J].三门峡职业技术学院学报,2019,18(01):133-140.【17】[1]王卫星,李斌.智慧校园下利用机器学习算法实现高校贫困生的预测[J].三门峡职业技术学院学报,2019,18(01):133-140.
- [17]杨胜志.基于大数据的大学生精准资助贫困等级研究[D].东北师范大学，2018.
- [18]余珍.可变隶属度2C-FSVM的研究及其辅助认定贫困生的应用[D].华南理工大
- 学，2018.
- [20}李红丽，马耀锋.基于多特征融合和混合核SVM的目标识别方法【J].沈阳工业大学
- 学报，2018,40(04):441-446.
- [21 ]张明卫，朱志良，刘莹，张斌一种大数据环境中分布式辅助关联分类算法[[J].软件学
