近年來(lái),隨著移動(dòng)通信、移動(dòng)互聯(lián)網(wǎng)、智能終端等技術(shù)的高速發(fā)展,移動(dòng)上網(wǎng)用戶日益普及,加之社會(huì)競(jìng)爭(zhēng)壓力的增大,人們渴望能夠隨時(shí)、隨地進(jìn)行任何方式的學(xué)習(xí)。在此背景下,移動(dòng)學(xué)習(xí)（M-Learning）應(yīng)運(yùn)而生,并由于具有便捷性、靈活性、交互性、個(gè)性化等優(yōu)點(diǎn)得到蓬勃發(fā)展,移動(dòng)學(xué)習(xí)的各種數(shù)據(jù)規(guī)模也隨之呈現(xiàn)出爆炸式增長(zhǎng),人們?cè)谝苿?dòng)學(xué)習(xí)中面臨著“數(shù)據(jù)豐富,知識(shí)匱乏”的尷尬處境,如何從海量的移動(dòng)學(xué)習(xí)數(shù)據(jù)資源中提取出有價(jià)值的信息,成為一個(gè)亟待解決的問(wèn)題。本文提出將聚類(lèi)分析、Map/Reduce分布式編程技術(shù)應(yīng)用于移動(dòng)學(xué)習(xí)領(lǐng)域：第一章簡(jiǎn)要介紹了論文的選題背景、研究?jī)?nèi)容和意義；第二章詳細(xì)介紹了移動(dòng)學(xué)習(xí)、聚類(lèi)分析等相關(guān)技術(shù)的原理；第三章針對(duì)移動(dòng)學(xué)習(xí)中最活躍的大學(xué)生群體,精心設(shè)計(jì)了調(diào)查問(wèn)卷,在駐漢多所深入調(diào)研后,對(duì)大量調(diào)研數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)處理和數(shù)據(jù)清洗,并量化處理各變量值后,利用TwoStep算法對(duì)數(shù)據(jù)樣本進(jìn)行了聚類(lèi)分析,將移動(dòng)學(xué)習(xí)用戶群劃分為三個(gè)特征各異的簇,通過(guò)深入分析實(shí)驗(yàn)結(jié)果,發(fā)現(xiàn)不同移動(dòng)學(xué)習(xí)用戶群的學(xué)習(xí)模式,驗(yàn)證了開(kāi)展相關(guān)研究的必要性和可行性,對(duì)當(dāng)前開(kāi)展移動(dòng)學(xué)習(xí)研究具有啟發(fā)性的指導(dǎo)意義。受終端設(shè)備計(jì)算、存儲(chǔ)... 

【文章來(lái)源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：49 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
目錄
第一章 緒論
    1.1 選題背景
        1.1.1 移動(dòng)學(xué)習(xí)
        1.1.2 聚類(lèi)分析
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外移動(dòng)學(xué)習(xí)研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)移動(dòng)學(xué)習(xí)研究現(xiàn)狀
        1.2.3 移動(dòng)學(xué)習(xí)中的聚類(lèi)分析研究現(xiàn)狀
    1.3 研究?jī)?nèi)容及意義
        1.3.1 研究?jī)?nèi)容
        1.3.2 研究意義
    1.4 論文組織結(jié)構(gòu)
第二章 移動(dòng)學(xué)習(xí)和聚類(lèi)分析
    2.1 移動(dòng)學(xué)習(xí)的概念及特點(diǎn)
        2.1.1 移動(dòng)學(xué)習(xí)的概念
        2.1.2 移動(dòng)學(xué)習(xí)的特點(diǎn)
    2.2 聚類(lèi)分析
        2.2.1 聚類(lèi)的基本概念
        2.2.2 相似度的度量
        2.2.3 聚類(lèi)算法的步驟
        2.2.4 聚類(lèi)分析的分類(lèi)
    2.3 K-MEANS算法
        2.3.1 K-means概念
        2.3.2 K-means步驟
        2.3.3 K-means特點(diǎn)
    2.4 TWOSTEP算法
        2.4.1 TwoStep簡(jiǎn)介
        2.4.2 TwoStep步驟
        2.4.3 TwoStep特點(diǎn)
    2.5 本章小結(jié)
第三章 移動(dòng)學(xué)習(xí)中的聚類(lèi)分析實(shí)驗(yàn)
    3.1 移動(dòng)學(xué)習(xí)中的聚類(lèi)分析背景
        3.1.1 實(shí)驗(yàn)簡(jiǎn)介
        3.1.2 實(shí)驗(yàn)數(shù)據(jù)采集
        3.1.3 實(shí)驗(yàn)數(shù)據(jù)準(zhǔn)備
    3.2 實(shí)驗(yàn)環(huán)境
        3.2.1 硬件環(huán)境
        3.2.2 軟件環(huán)境
    3.3 TWOSTEP聚類(lèi)實(shí)驗(yàn)
        3.3.1 TwoStep實(shí)驗(yàn)內(nèi)容
        3.3.3 TwoStep實(shí)驗(yàn)結(jié)果分析
    3.4 本章小結(jié)
第四章 基于MAP/REDUCE的移動(dòng)學(xué)習(xí)數(shù)據(jù)聚類(lèi)設(shè)計(jì)與實(shí)現(xiàn)
    4.1 MAP/REDUCE技術(shù)基礎(chǔ)
        4.1.1 Map/Reduce
        4.1.2 HDFS
    4.2 聚類(lèi)算法的MAP/REDUCE實(shí)現(xiàn)
        4.2.1 聚類(lèi)算法的選取
        4.2.2 K-means的Map/Reduce實(shí)現(xiàn)
    4.3 實(shí)驗(yàn)準(zhǔn)備
        4.3.1 實(shí)驗(yàn)軟硬件環(huán)境
        4.3.2 數(shù)據(jù)獲取
    4.4 實(shí)驗(yàn)仿真與分析
        4.4.1 實(shí)驗(yàn)仿真
        4.4.2 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
在校期間參加科研項(xiàng)目、正式發(fā)表學(xué)術(shù)論文
致謝



本文編號(hào)：3138386