基于DNN的大学生异常行为诊断模型的研究

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.