近年來,隨著移動通信、移動互聯(lián)網(wǎng)、智能終端等技術的高速發(fā)展,移動上網(wǎng)用戶日益普及,加之社會競爭壓力的增大,人們渴望能夠隨時、隨地進行任何方式的學習。在此背景下,移動學習（M-Learning）應運而生,并由于具有便捷性、靈活性、交互性、個性化等優(yōu)點得到蓬勃發(fā)展,移動學習的各種數(shù)據(jù)規(guī)模也隨之呈現(xiàn)出爆炸式增長,人們在移動學習中面臨著“數(shù)據(jù)豐富,知識匱乏”的尷尬處境,如何從海量的移動學習數(shù)據(jù)資源中提取出有價值的信息,成為一個亟待解決的問題。本文提出將聚類分析、Map/Reduce分布式編程技術應用于移動學習領域：第一章簡要介紹了論文的選題背景、研究內(nèi)容和意義；第二章詳細介紹了移動學習、聚類分析等相關技術的原理；第三章針對移動學習中最活躍的大學生群體,精心設計了調(diào)查問卷,在駐漢多所深入調(diào)研后,對大量調(diào)研數(shù)據(jù)進行了統(tǒng)計處理和數(shù)據(jù)清洗,并量化處理各變量值后,利用TwoStep算法對數(shù)據(jù)樣本進行了聚類分析,將移動學習用戶群劃分為三個特征各異的簇,通過深入分析實驗結(jié)果,發(fā)現(xiàn)不同移動學習用戶群的學習模式,驗證了開展相關研究的必要性和可行性,對當前開展移動學習研究具有啟發(fā)性的指導意義。受終端設備計算、存儲... 

【文章來源】：華中師范大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：49 頁

【學位級別】：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 移動學習
        1.1.2 聚類分析
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外移動學習研究現(xiàn)狀
        1.2.2 國內(nèi)移動學習研究現(xiàn)狀
        1.2.3 移動學習中的聚類分析研究現(xiàn)狀
    1.3 研究內(nèi)容及意義
        1.3.1 研究內(nèi)容
        1.3.2 研究意義
    1.4 論文組織結(jié)構(gòu)
第二章 移動學習和聚類分析
    2.1 移動學習的概念及特點
        2.1.1 移動學習的概念
        2.1.2 移動學習的特點
    2.2 聚類分析
        2.2.1 聚類的基本概念
        2.2.2 相似度的度量
        2.2.3 聚類算法的步驟
        2.2.4 聚類分析的分類
    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
    2.4 TWOSTEP算法
        2.4.1 TwoStep簡介
        2.4.2 TwoStep步驟
        2.4.3 TwoStep特點
    2.5 本章小結(jié)
第三章 移動學習中的聚類分析實驗
    3.1 移動學習中的聚類分析背景
        3.1.1 實驗簡介
        3.1.2 實驗數(shù)據(jù)采集
        3.1.3 實驗數(shù)據(jù)準備
    3.2 實驗環(huán)境
        3.2.1 硬件環(huán)境
        3.2.2 軟件環(huán)境
    3.3 TWOSTEP聚類實驗
        3.3.1 TwoStep實驗內(nèi)容
        3.3.3 TwoStep實驗結(jié)果分析
    3.4 本章小結(jié)
第四章 基于MAP/REDUCE的移動學習數(shù)據(jù)聚類設計與實現(xiàn)
    4.1 MAP/REDUCE技術基礎
        4.1.1 Map/Reduce
        4.1.2 HDFS
    4.2 聚類算法的MAP/REDUCE實現(xiàn)
        4.2.1 聚類算法的選取
        4.2.2 K-means的Map/Reduce實現(xiàn)
    4.3 實驗準備
        4.3.1 實驗軟硬件環(huán)境
        4.3.2 數(shù)據(jù)獲取
    4.4 實驗仿真與分析
        4.4.1 實驗仿真
        4.4.2 實驗結(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
在校期間參加科研項目、正式發(fā)表學術論文
致謝



本文編號：3138386