隨著互聯(lián)網(wǎng)的快速發(fā)展和教育信息化建設(shè)的不斷推進(jìn),校園網(wǎng)作為一個(gè)為校園師生提供教學(xué)、科研、交流的重要平臺,已經(jīng)成為衡量高�，F(xiàn)代化和信息化建設(shè)的重要指標(biāo)。然而隨著校園網(wǎng)規(guī)模的不斷擴(kuò)大,校園網(wǎng)用戶人數(shù)的不斷增多,校園網(wǎng)也帶來了一些負(fù)面的影響。比如有些學(xué)生過于的沉溺于網(wǎng)絡(luò)之中,耗費(fèi)了大量的時(shí)間精力,占用了大量的帶寬。因此進(jìn)行校園網(wǎng)用戶行為分析是非常必要的。本文在昆明醫(yī)科大學(xué)校園網(wǎng)基礎(chǔ)上,以校園網(wǎng)后臺計(jì)費(fèi)服務(wù)器的數(shù)據(jù)庫作為數(shù)據(jù)源,在SQL Server2008的平臺之上,首先對校園網(wǎng)數(shù)據(jù)進(jìn)行了數(shù)據(jù)預(yù)處理,并進(jìn)行數(shù)據(jù)分類（辦公用戶和學(xué)生用戶）；然后對上線總數(shù)的分布和連接時(shí)長分布等特征進(jìn)行了統(tǒng)計(jì)分析；接著對每天的在線人數(shù),使用流量等具體數(shù)據(jù)進(jìn)行了分類統(tǒng)計(jì)；最后統(tǒng)計(jì)了平均每天總的在線時(shí)長10小時(shí)以上的學(xué)生宿舍用戶。在Microsoft Visual Studio的平臺上,建立了聚類分析的數(shù)據(jù)挖掘模型,實(shí)現(xiàn)過程采用的是K-means算法。挖掘過程中以IP地址作為聚類分析的唯一關(guān)鍵字,將數(shù)據(jù)分為了5類,并通過鉆取數(shù)據(jù)對分類5的用戶群進(jìn)行了進(jìn)一步分析。同時(shí)結(jié)合上網(wǎng)行為管理對校園網(wǎng)的學(xué)生上網(wǎng)管理提出了幾點(diǎn)具體... 

【文章來源】：云南大學(xué)云南省 211工程院校

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
目錄
第一章 緒論
    1.1 高校校園網(wǎng)網(wǎng)絡(luò)現(xiàn)狀
        1.1.1 校園網(wǎng)規(guī)模
        1.1.2 校園網(wǎng)的特點(diǎn)及面臨的主要問題
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的研究內(nèi)容和文章結(jié)構(gòu)
        1.3.1 本文研究內(nèi)容
        1.3.2 文章結(jié)構(gòu)
第二章 相關(guān)知識介紹
    2.1 用戶行為分析概論
        2.1.1 網(wǎng)絡(luò)用戶的概念及分類
        2.1.2 用戶行為分析的概念及分類
    2.2 數(shù)據(jù)挖掘概論
        2.2.1 數(shù)據(jù)挖掘的概念
        2.2.2 數(shù)據(jù)挖掘的功能
        2.2.3 數(shù)據(jù)挖掘的主要方法
        2.2.4 數(shù)據(jù)挖掘系統(tǒng)與工具
        2.2.5 數(shù)據(jù)挖掘的發(fā)展前景
    2.3 數(shù)據(jù)預(yù)處理
        2.3.1 數(shù)據(jù)預(yù)處理的概念
        2.3.2 數(shù)據(jù)預(yù)處理的方法
    2.4 聚類分析及相關(guān)分析技術(shù)
        2.4.1 聚類分析的概念
        2.4.2 主要的聚類方法
第三章 校園網(wǎng)用戶行為分析系統(tǒng)
    3.1 整體概述
    3.2 數(shù)據(jù)分析系統(tǒng)及分析工具
    3.3 數(shù)據(jù)源及數(shù)據(jù)選擇
    3.4 數(shù)據(jù)內(nèi)容
    3.5 數(shù)據(jù)預(yù)處理
第四章 校園網(wǎng)數(shù)據(jù)統(tǒng)計(jì)分析
    4.1 上線總數(shù)的分布情況
    4.2 連接時(shí)長統(tǒng)計(jì)分析
    4.3 每天的統(tǒng)計(jì)情況
        4.3.1 每天在線人數(shù)統(tǒng)計(jì)
        4.3.2 每天流量使用統(tǒng)計(jì)
        4.3.3 每天連接時(shí)間的統(tǒng)計(jì)
    4.4 工作日和周末的網(wǎng)絡(luò)活動(dòng)對比
    4.5 學(xué)生異常網(wǎng)絡(luò)行為統(tǒng)計(jì)
第五章 基于K-means算法的校園網(wǎng)用戶行為分析研究
    5.1 K-means算法及處理過程
    5.2 建立數(shù)據(jù)挖掘模型
        5.2.1 數(shù)據(jù)源選擇
        5.2.2 建立數(shù)據(jù)挖掘模型
        5.2.3 設(shè)置算法參數(shù)
        5.2.4 生成挖掘模型
    5.3 聚類結(jié)果以及結(jié)果分析
        5.3.1 聚類結(jié)果
        5.3.2 結(jié)果分析
        5.3.3 分類5的具體分析
    5.4 學(xué)生上網(wǎng)行為管理
        5.4.1 學(xué)生上網(wǎng)管理措施
        5.4.2 網(wǎng)絡(luò)控制措施
第六章 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 后續(xù)工作與展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]高校圖書館如何引導(dǎo)大學(xué)生規(guī)范使用網(wǎng)絡(luò)[J]. 陳萬梅.  科技文獻(xiàn)信息管理. 2012(04)
[2]基于決策樹的網(wǎng)絡(luò)流量分類方法[J]. 于孝美,陳貞翔,彭立志.  濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(03)
[3]論數(shù)據(jù)挖掘的發(fā)展前景及潛在價(jià)值[J]. 羅艷,何建東,李久丹.  大眾科技. 2012(04)
[4]大學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為差異分析及對策研究[J]. 王鳳基.  長春工業(yè)大學(xué)學(xué)報(bào)(高教研究版). 2012(01)
[5]聚類分析研究中的若干問題[J]. 王駿,王士同,鄧趙紅.  控制與決策. 2012(03)
[6]大學(xué)生上網(wǎng)行為管理及引導(dǎo)對策[J]. 柴正武.  山東女子學(xué)院學(xué)報(bào). 2012(01)
[7]淺談上網(wǎng)行為管理[J]. 植仲芬.  中國西部科技. 2011(08)
[8]基于K-means聚類算法的校園網(wǎng)用戶行為分析研究[J]. 丁青,周留根,朱愛兵,張義東.  微計(jì)算機(jī)應(yīng)用. 2010(06)
[9]大學(xué)生網(wǎng)絡(luò)成癮行為及危害分析研究[J]. 徐哲.  科技信息. 2009(21)
[10]神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘算法的研究與應(yīng)用[J]. 張美虎.  揚(yáng)州職業(yè)大學(xué)學(xué)報(bào). 2009(02)

博士論文
[1]大學(xué)生網(wǎng)癮成因及防治方法體系研究[D]. 李超民.中南大學(xué) 2012
[2]網(wǎng)絡(luò)用戶行為分析的若干問題研究[D]. 劉鵬.北京郵電大學(xué) 2010

碩士論文
[1]基于校園網(wǎng)海量訪問日志的用戶行為分析[D]. 杜杰.大連海事大學(xué) 2012
[2]基于校園網(wǎng)的網(wǎng)絡(luò)行為用戶分析研究[D]. 施洪貞.云南大學(xué) 2012
[3]基于校園網(wǎng)的用戶行為分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 沈麒.蘇州大學(xué) 2011
[4]數(shù)據(jù)挖掘聚類算法研究[D]. 張昭濤.西南交通大學(xué) 2005



本文編號：3366712