精准资助是我国高等教育十三五规划中重点要完成的任务。精准地识别资助对象是“精准资助工作”的根本前提。本文针对大数据背景下资助对象的精准认定进行了研究。论文的主要研究工作有以下两个内容:(1)构建符合大数据背景的高校资助对象精准认定指标体系。在国家助学金评选标准的基础上,研究了指标体系构建原则和指导思想,建立了反映学生个人消费特征和学习状态的指标体系,该指标体系包含3个一级指标,5个二级指标、40个三级指标。在反映学生校内消费特征的指标中,我们重点考虑学生在校期间的用餐消费和日常生活开销,在反映学生学习态度指标中,除了考虑成绩,重点关注学生在校日常表现,比如:在图书馆中借书种类、借书总额、进出图书馆次数等。该指标体系的构建能够全方位的覆盖学生的消费特征和学习态度,实验证明使用该指标体系建立资助对象精准认定模型效果良好,运用该指标体系能够提高资助对象的精准识别率。(2)采用SMOTE重采样方法解决了资助对象精准认定中数据不平衡问题。在高校,受到资助的学生趋于少数,因此资助对象精准认定数据存在天然的不平衡性。在数据中,受资助学生的样本很少,直接运用数据挖掘中的分类模型进行资助对象的认定,准确率不高,得不到受资助对象的特征和规律,无法实现资助对象的精准认定。因此采用SMOTE方法对数据重采样,加大受资助样本的采样,使之趋于平衡。实验结果证明使用SMOTE方法对不平衡数据进行处理后,各分类器对受资助对象认定的准确率明显提高,能更准确的识别受资助的学生特征,从而更好的实现资助对象认定的精准化。