文献类型：期刊文章

作　　者：莫媛媛[1] 顾明言[1] 张辉宜[1]

MO Yuanyuan;GU Mingyan;ZHANG Huiyi(Information Office,Anhui University of Technology,Maanshan 243032,China)

机构地区：[1]安徽工业大学信息化处,安徽马鞍山243032

出　　处：《安徽工业大学学报（自然科学版）》

基　　金：中国高等教育学会2016年教育信息化专项重点课题(2016XXZD09);安徽省教学改革研究重点项目(2018jyxm1050);安徽工业大学教学改革研究重大委托项目(2016wt03);安徽工业大学青年教师科研基金项目(QS201714)。

年　　份：2020

卷　　号：37

期　　号：1

起止页码：60-65

语　　种：中文

收录情况：CAS、JST、PROQUEST、ZGKJHX、普通刊

摘　　要：为进一步提高高校资助工作的精准度,构建基于组合核函数的支持向量机(SVM)高校经济困难生分类模型。根据在校生的消费数据、人员信息及历史资助信息抽取样本特征,利用径向基(RBF)核函数的局部拟合能力及多项式核函数的泛化能力,构建基于RBF核函数及多项式核函数的组合核函数SVM分类模型;采用多重网格搜索法训练模型获取最优核参数和组合核函数的权系数,并对高校经济困难生进行分类预测。实验结果表明:采用构建的模型可对高校经济困难生进行分类预测,与单核核函数SVM、逻辑回归模型、最近邻算法(KNN)相比,其分类准确率显著提升;使用融合特征可增加不同类别样本数据的差异性,有助于提高分类准确率。

关 键 词：高校经济困难生 组合核函数 支持向量机

分 类 号：TP391.4] TP181[计算机类]