基于大数据的学生行为综合分析与服务平台设计与实现

针对传统学生管理和服务方式存在的单一化、缺乏个性化等问题,设计并实现了一个基于大数据的学生行为综合分析与服务平台,该平台围绕学生管理工作展开大数据服务,主要包括学生综合画像、智能综合预警、智能行为轨迹和智能精准资助四大模块,实现对学生日常学习生活的全体系、全流程、全天候、全方位的动态监测,促进教育服务供给精准化、个性化和智能化。

大数据背景下精准资助方法研究与实践

随着大数据,云计算,人工智能等技术的不断发展,高校也在积极利用先进的信息技术提高教学管理各个环节的科学性、精准性和智能性。针对高校传统资助方法无法全面真实了解学生经济状况的问题,文章基于大数据技术,通过对学生在校行为数据进行采集、处理、分析和挖掘,构建学生消费行为与家庭经济情况关系,从而实现对家庭经济困难学生的精准认定与资助。

西安理工大学:构建卡脸识别智能门禁系统

随着云计算、物联网、大数据、人工智能等技术的发展与应用,各个行业的信息化程度不断加深,信息技术对教育领域也产生了重要影响。高校信息化建设已经从数字化校园步入智慧校园阶段,校园门禁管理中身份识别设施的持续升级与完善,为师生提供了更多智慧化的体验。校园一卡通、二维码、人脸生物特征等已成为高校门禁管理的重要载体,通过智能身份识别技术助力高校疫情防控成为可能。

基于BIG-WFCHI的微博信息关键特征选择方法

特征选择是用机器学习方法提高转发预测精度和效率的关键步骤,其前提是特征提取.目前,特征选择中常用的方法有信息增益(Information Gain,IG)、互信息和卡方检验(CHI-square test,CHI)等,传统特征选择方法中出现低频词引起的信息增益和卡方检验的负相关、干扰计算等问题,导致分类准确率不高.本文首先针对低频词引起的信息增益和卡方检验的负相关、干扰计算等问题进行研究,分别引入平衡因子和词频因子来提高算法的准确率;其次,根据微博信息传播的特点,结合改进的IG算法和CHI算法,提出了一种基于BIG-WFCHI(Balance Information Gain-Word Frequency CHI-square test)的特征选择方法.实验分析中,本文采用基于最大熵模型、支持向量机、朴素贝叶斯分类器、KNN和多层感知器5种分类器对两个异构数据集进行了测试.实验结果表明,本文提出的方法能有效消除无关特征和冗余特征,提高分类精度,并减少运算时间.

西安理工大学银校合作项目实施方案

建设流程西安理工大学信息化管理处结合学校的发展规划以及智慧校园建设规划方案,理清思路和建设目标,从信息化基础环境建设、信息化与教育教学融合、服务与管理能力提升、网络信息安全体系构建四个方面打造“智慧西理”。