课题类别：广州华商学院校内导师制项目
课题名称：个人信用评估研究
课题批准号：2020HSDS03
经费资助：9万元
项目负责人：杨春
成果名称：
1. 发表论文：中国城镇化水平与绿色经济发展水平协调关系研究（湖北农业科学，CSTPCD, B类）
2.发表论文：Analysis of college students' canteen consumption by broad learning clustering: A case study in Guangdong Province, China（PLOS ONE，SCI收录 中科院3区，A类）
成果简介：
1. 论文：中国城镇化水平与绿色经济发展水平协调关系研究
主要观点： 2007年绿色经济发展水平和新型城镇化水平的耦合协调度属于失调衰退阶段，2016年则分别进入到了良好及优质的协调阶段。通过收敛性分析可以看出，全国各个地区的耦合协调度差异在不断缩小，但是这种差距仍然十分显著，需要不断去缩小这种差距，实现绿色经 济和新型城镇化建设的同步发展。
学术价值：绿色经济发展能够为新型城镇化建设提供新的动力，而新型城镇化建设能够为绿色经济发展提供基础。因此需要在以人为本的思维视角下发展生态经济、绿色经济，实现绿色经济和新型城镇化 建设的协调发展。从长远来看，积极探索绿色经济有助于实现中国经济的长期可持续健康发展， 对中国全面实现工业化和现代化有着更为积极的现实意义
创新点：基于绿色经济发展及新型城镇化协调发展机制，构建了2007—2016年全国各省市地区的绿色经济发展水平及新型城镇化发展水平评价指标体系，并对二者耦合协调度进行了分析研究，利用 α 收敛分析模型进行了各地区的差距分析。
2.论文：Analysis of college students' canteen consumption by broad learning clustering: A case study in Guangdong Province, China
主要观点：利用大学生在食堂的消费数据，建立广义学习聚类模型，将学生分为5类不同的经济水平，从而能区分哪些学生是需要政府经济援助的学生。利用该模型最佳的判别精度为91.5%，优于传统的分类模型。
学术价值：通过对学生食堂消费数据的分析，我们设计的BLNN架构是合理的，可以获得更准确的大学生经济水平统计评估结果。利用模糊变换PCA技术和广义K均值方法融合设计BLNN架构是一种先进的机器学习模式，可以提高分类的精度，据此我们可以更准确的区分那些需要资助的学生。该架构有望用于其他领域的一些具有挑战性的数据挖掘问题。
创新点：我们提出了一种基于食堂消费数据的广义K-means聚类方法，将学生分为不同的经济水平。为了提高判别的精度，我们利用神经网络来提取数据的特征。采用模糊变换PCA技术来减少模型的不确定性，从而减少分类的误差.
