隨著大數(shù)據(jù)與人工智能等新技術(shù)的發(fā)展,將大數(shù)據(jù)挖掘技術(shù)與教育行業(yè)相結(jié)合以提高學(xué)校智慧管理水平的方法日益受到關(guān)注與重視。目前,各大高校校園建設(shè)已經(jīng)從數(shù)字化校園建設(shè)時(shí)代步入智慧校園建設(shè)時(shí)代。高校開(kāi)始逐步地對(duì)已建設(shè)的校園一卡通系統(tǒng)、教務(wù)系統(tǒng)等校園應(yīng)用系統(tǒng)進(jìn)行整合,并對(duì)所采集的各大應(yīng)用系統(tǒng)的歷史數(shù)據(jù)進(jìn)行挖掘分析,從中提取隱藏的數(shù)據(jù)價(jià)值,以進(jìn)一步提升學(xué)校的服務(wù)管理水平。基于此背景,本文以來(lái)自各大應(yīng)用系統(tǒng)的校園一卡通消費(fèi)記錄、圖書借閱記錄和學(xué)生成績(jī)?yōu)閿?shù)據(jù)基礎(chǔ),利用數(shù)據(jù)挖掘和大數(shù)據(jù)技術(shù)對(duì)其展開(kāi)應(yīng)用分析研究,相關(guān)研究工作涵蓋以下幾個(gè)方面:（1）學(xué)生消費(fèi)行為的聚類分析。首先對(duì)所構(gòu)建的學(xué)生行為畫像特征庫(kù)中的月均消費(fèi)金額、月均金額次數(shù)、消費(fèi)強(qiáng)度、消費(fèi)頻率等聚類特征進(jìn)行統(tǒng)計(jì)分析,初步了解學(xué)生消費(fèi)能力水平以及消費(fèi)行為規(guī)律。然后利用基于Spark的分布式K-means++算法對(duì)消費(fèi)行為特征進(jìn)行聚類分析,將學(xué)生人群聚為三類,并對(duì)聚類結(jié)果的三類人群進(jìn)行特征對(duì)比分析。實(shí)驗(yàn)結(jié)果表明利用消費(fèi)強(qiáng)度和消費(fèi)頻率等聚類特征值來(lái)輔助學(xué)校資助部門進(jìn)行開(kāi)展精準(zhǔn)扶貧工作是可行的;同時(shí)也為發(fā)現(xiàn)“隱性貧困生”,找出“假貧困生”提供了一種解決方案... 

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 論文選題背景與意義
        1.1.1 論文選題背景
        1.1.2 課題研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文組織及結(jié)構(gòu)
    1.4 本章小結(jié)
第2章 相關(guān)理論與技術(shù)基礎(chǔ)
    2.1 數(shù)據(jù)挖掘概述
        2.1.1 數(shù)據(jù)挖掘簡(jiǎn)介
        2.1.2 數(shù)據(jù)挖掘過(guò)程
        2.1.3 數(shù)據(jù)挖掘任務(wù)
    2.2 學(xué)生行為分析關(guān)鍵算法
        2.2.1 聚類算法
        2.2.2 關(guān)聯(lián)規(guī)則算法
        2.2.3 網(wǎng)絡(luò)表示學(xué)習(xí)算法
        2.2.4 深度學(xué)習(xí)算法
    2.3 Spark大數(shù)據(jù)挖掘平臺(tái)
        2.3.1 Spark簡(jiǎn)介
        2.3.2 Spark生態(tài)系統(tǒng)
        2.3.3 HDFS分布式文件系統(tǒng)
        2.3.4 Spark Core
        2.3.5 Spark SQL
        2.3.6 Spark ML
    2.4 本章小結(jié)
第3章 學(xué)生行為數(shù)據(jù)預(yù)處理與學(xué)生行為畫像特征庫(kù)構(gòu)建
    3.1 數(shù)據(jù)采集
    3.2 數(shù)據(jù)預(yù)處理
        3.2.1 數(shù)據(jù)清理
        3.2.2 數(shù)據(jù)集成
        3.2.3 數(shù)據(jù)變換
        3.2.4 數(shù)據(jù)歸約
    3.3 構(gòu)建學(xué)生行為畫像特征庫(kù)
    3.4 本章小節(jié)
第4章 基于機(jī)器學(xué)習(xí)的學(xué)生行為分析研究
    4.1 學(xué)生消費(fèi)行為聚類分析研究
        4.1.1 分布式K-means++算法
        4.1.2 基于分布式K-means++算法的消費(fèi)行為聚類模型構(gòu)建
        4.1.3 學(xué)生消費(fèi)行為聚類指標(biāo)統(tǒng)計(jì)分析
        4.1.4 聚類結(jié)果分析
    4.2 學(xué)生行為相關(guān)性與關(guān)聯(lián)規(guī)則挖掘分析研究
        4.2.1 相關(guān)系數(shù)
        4.2.2 分布式FP-Growth關(guān)聯(lián)規(guī)則
        4.2.3 學(xué)生行為相關(guān)性分析
        4.2.4 關(guān)聯(lián)規(guī)則數(shù)據(jù)預(yù)處理
        4.2.5 學(xué)生行為關(guān)聯(lián)規(guī)則挖掘分析
    4.3 學(xué)生社交關(guān)系分析研究
        4.3.1 基于一階親密度的LINE算法
        4.3.2 基于二階親密度的LINE算法
        4.3.3 基于LINE算法的學(xué)生社交網(wǎng)絡(luò)構(gòu)建
        4.3.4 學(xué)生社交關(guān)系結(jié)果分析
    4.4 就餐人數(shù)預(yù)測(cè)
        4.4.1 LSTM算法
        4.4.2 基于LSTM的就餐人數(shù)預(yù)測(cè)模型構(gòu)建
        4.4.3 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小節(jié)
第5章 基于Spark的學(xué)生行為挖掘分析平臺(tái)的實(shí)現(xiàn)
    5.1 Spark大數(shù)據(jù)挖掘平臺(tái)架構(gòu)
    5.2 系統(tǒng)整體流程
    5.3 Spark大數(shù)據(jù)挖掘平臺(tái)搭建
        5.3.1 實(shí)驗(yàn)環(huán)境
        5.3.2 平臺(tái)搭建
    5.4 基于Spark的學(xué)生行為挖掘分析平臺(tái)功能實(shí)現(xiàn)
    5.5 本章小節(jié)
第6章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 工作展望
參考文獻(xiàn)
指導(dǎo)教師對(duì)研究生學(xué)位論文的學(xué)術(shù)評(píng)語(yǔ)
學(xué)位論文答辯委員會(huì)決議書
致謝
攻讀碩士學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于“松耦合”的職業(yè)院校智能化校園建設(shè)模式——以蘭州石化職業(yè)技術(shù)學(xué)院信息化建設(shè)為例[J]. 李延明.  世界教育信息. 2019(23)
[2]基于校園一卡通數(shù)據(jù)系統(tǒng)的學(xué)生行為分析研究[J]. 杜長(zhǎng)沖.  讀與寫(教育教學(xué)刊). 2019(06)
[3]基于網(wǎng)絡(luò)表示學(xué)習(xí)的科研合作推薦研究[J]. 余傳明,林奧琛,鐘韻辭,安璐.  情報(bào)學(xué)報(bào). 2019(05)
[4]基于深度學(xué)習(xí)的車流量預(yù)測(cè)方法研究[J]. 史亞星.  計(jì)算機(jī)與數(shù)字工程. 2019(05)
[5]網(wǎng)絡(luò)表示學(xué)習(xí)的研究與發(fā)展[J]. 尹贏,吉立新,黃瑞陽(yáng),杜立新.  網(wǎng)絡(luò)與信息安全學(xué)報(bào). 2019(02)
[6]基于大數(shù)據(jù)的智慧校園學(xué)生綜合測(cè)評(píng)系統(tǒng)[J]. 范振東,陳暉,王海濤,胡強(qiáng),何柳.  電信快報(bào). 2018(11)
[7]高校貧困生精準(zhǔn)資助的神經(jīng)網(wǎng)絡(luò)模型[J]. 柴政,屈莉莉,彭貴賓.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2018(16)
[8]智慧教育2.0:教育信息化2.0視域下的教育新生態(tài)——《教育信息化2.0行動(dòng)計(jì)劃》解讀之二[J]. 鄭旭東.  遠(yuǎn)程教育雜志. 2018(04)
[9]基于學(xué)生行為分析模型的高校智慧校園教育大數(shù)據(jù)應(yīng)用研究[J]. 李有增,曾浩.  中國(guó)電化教育. 2018(07)
[10]基于校園數(shù)據(jù)的大學(xué)生行為畫像研究與分析[J]. 董瀟瀟,胡延,陳彥萍.  計(jì)算機(jī)與數(shù)字工程. 2018(06)

博士論文
[1]基于網(wǎng)絡(luò)嵌入的社區(qū)發(fā)現(xiàn)算法研究[D]. 劉起東.蘭州大學(xué) 2018

碩士論文
[1]面向短時(shí)交通流分析與預(yù)測(cè)的循環(huán)神經(jīng)網(wǎng)絡(luò)算法研究[D]. 趙慶.西安理工大學(xué) 2019
[2]基于集成LSTM的短時(shí)車流量預(yù)測(cè)模型研究[D]. 雷曉.重慶郵電大學(xué) 2019
[3]基于深度網(wǎng)絡(luò)的MOOC輟學(xué)預(yù)測(cè)算法研究[D]. 吳楠楠.西北大學(xué) 2019
[4]基于Django框架的Web在線教育平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 白相辰.北京交通大學(xué) 2019
[5]基于數(shù)據(jù)挖掘技術(shù)的高校優(yōu)質(zhì)生源基地評(píng)選方法研究[D]. 張妍.浙江師范大學(xué) 2019
[6]基于數(shù)據(jù)挖掘技術(shù)的高校智慧宿舍系統(tǒng)的研究與實(shí)現(xiàn)[D]. 張禎巍.華中師范大學(xué) 2019
[7]用戶畫像構(gòu)建技術(shù)研究與可視化應(yīng)用[D]. 劉彤.大連理工大學(xué) 2019
[8]基于一卡通數(shù)據(jù)的學(xué)生校園消費(fèi)活動(dòng)規(guī)律研究[D]. 任晉華.華中師范大學(xué) 2018
[9]基于校園大數(shù)據(jù)的數(shù)據(jù)挖掘研究[D]. 譚浩.山東理工大學(xué) 2018
[10]針對(duì)社交網(wǎng)絡(luò)表示學(xué)習(xí)的圖采樣設(shè)計(jì)[D]. 馬曼青.吉林大學(xué) 2018



本文編號(hào)：3696937