基于DNN的大学生异常行为诊断模型的研究

摘要：

在大数据网络环境下,针对高校大学生异常行为检测研究较少、检测准确度不高等问题,文中以吉林某大学为研究对象,深度调研,从学生学习生活中存在的实际问题出发,采用深度神经网络方法进行大学生异常行为预测,建立基于DNN的大学生异常行为诊断模型.该模型对校园大数据进行关联聚类,以学生在校成绩、一卡通消费、图书借阅及SCL90记录基本信息数据为输入,建立深度神经网络DNN,实现海量信息检测及异常行为诊断.实验结果表明,从召回率及精度两方面进行评估,该模型有较强的预测诊断能力.同时,在此基础上设计并实现了一套大学生异常行为诊断系统,该系统通过对基础信息进行监测,实现对异常信息进行实时预警,提供可视化预警图示,并通知相关管理人员对此类学生做好教育工作,提早发现问题,尽早解决问题,防止发生校园安全事故.

关键词：异常诊断模型、大学生异常行为、深度神经网络、大数据、召回率、行为预警

所属期刊栏目：45

分类号：TN919⁃34

资助基金：吉林省教育厅十三五科学技术项目JJKH20200331KJ

在线出版日期：2022-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：57-61