1. 研究目的与意义（文献综述）

1.1研究目的及意义

随着高等教育体制改革的不断深入，高校贫困生数量增加，贫困生问题已成为影响高校稳定、高等教育快速发展的重要因素之一。这不仅是事关学生个人，更牵动着千家万户，影响高校和社会稳定，是一个事关教育公平与和谐社会构建的大问题。高校大学生资助体系的科学化构建，对于广大困难学生来说，意味着受助之公平、公正。对于国家来说，可以提高资助资金的使用效率。对于学校管理者来说，可以降低管理费用和运作成本，提高管理效率。这对和谐社会的构建，人才战略的落实，具有深远的意义。[1]

大数据时代的来临，为创新资助工作方式提供了新的理念和技术支持，也为高校利用大数据推进快速、便捷、高效精准资助工作带来了新的机遇。基于学生每天产生的一卡通实时数据，利用大数据挖掘与分析技术、数学建模理论帮助管理者掌握学生在校期间的真实消费情况、学生经济水平、发现“隐性贫困”与疑似“虚假认定”学生，从而实现精准资助，让每一笔资助经费得到最大价值的发挥与利用，帮助每一个贫困大学生顺利完成学业。因此，基于学生在校期间产生的消费数据运用大数据挖掘与分析技术实现贫困学生的精准挖掘具有重要的应用价值。[2]

2. 研究的基本内容与方案

2.1基础内容

探索性数据分析（exploratory data analysis,以下简称eda），是指对已有的数据（特别是调查或者观察得来的原始数据）在尽量少的先验假定下进行探索，通过作图、制表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据分析方法。特别是当我们对这些数据中的信息没有足够的经验，不知道该用何种传统统计方法进行分析时，探索性数据分析就会非常有效。[5]

通过数据探索，我们对教育精准资助的数据已经有所了解，接下来就要建立模型进行机器学习。大千世界中“人以类聚，物以群分”，就是指具有相同（或相近）特征的事物总是归于一类或者说能聚在一起的事物总是拥有相同（或相近）的特征。[6]

3. 研究计划与安排

4. 参考文献（12篇以上）

[1]陈海东.不确定性可视化及分析方法研究[d].浙江大学，2015.

[2]吴乐.面向在线用户消费行为理解的数据挖掘方法研究[d].中国科学技术大学，2015.

[3]黄明明.图像局部特征提取及应用研究[d].北京科技大学，2016.