發(fā)布時(shí)間：2018-03-09 10:48

  本文選題：學(xué)生行為　切入點(diǎn)：異常檢測(cè)　出處：《大連海事大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：隨著數(shù)字化和信息化技術(shù)在各大高校中的廣泛普及,智能管理系統(tǒng)得到了廣泛的應(yīng)用和高度重視,是高校信息化程度的重要的標(biāo)志。伴隨著一卡通的應(yīng)用,高校里的各類(lèi)管理信息系統(tǒng)積累了大量的數(shù)據(jù),如學(xué)生成績(jī)、消費(fèi)信息、上網(wǎng)信息、圖書(shū)館借閱信息、進(jìn)出宿舍樓情況等等。但我們對(duì)數(shù)據(jù)處理和應(yīng)用,仍然只是停留在一個(gè)簡(jiǎn)單的查詢(xún)和統(tǒng)計(jì)報(bào)告階段,并沒(méi)有采取有效的措施,充分利用這些數(shù)據(jù),為學(xué)生管理提供有效的決策支持。而在這些大量數(shù)據(jù)中,對(duì)異常數(shù)據(jù)的研究比正常數(shù)據(jù)往往更有意義。因此本文的重點(diǎn)就是利用這些數(shù)據(jù)對(duì)學(xué)生的行為進(jìn)行分析,找出行為異常的學(xué)生,為后續(xù)學(xué)校的管理工作提供決策支持。本文首先研究現(xiàn)階段對(duì)異常研究領(lǐng)域的一些重要方法,如:基于統(tǒng)計(jì)分布的異常檢測(cè)方法、基于距離的異常檢測(cè)方法、基于偏差的異常檢測(cè)方法、基于深度的異常檢測(cè)方法、基于密度的異常檢測(cè)方法、基于聚類(lèi)的異常檢測(cè)方法,并分析了這些常用的異常檢測(cè)算法的優(yōu)劣度。其次,本文從學(xué)生行為的概念入手,在前人研究的基礎(chǔ)上,介紹了本文將要著重研究的學(xué)生行為:消費(fèi)行為、課程成績(jī)、正常回寢次數(shù)、上網(wǎng)時(shí)間等等。這些行為將作為后期對(duì)學(xué)生的行為特征進(jìn)行異常檢測(cè)的四個(gè)維度,對(duì)學(xué)生的行為異常進(jìn)行一個(gè)鑒定。在本文中異常并無(wú)褒義貶義之分,這里的異常概念只是區(qū)分個(gè)別學(xué)生與大部分學(xué)生的一個(gè)不同。利用特征數(shù)據(jù)對(duì)學(xué)生行為進(jìn)行表示。通過(guò)對(duì)基于距離的異常檢測(cè)算法的研究,提出了基于距離的改進(jìn)的相似度和的算法。隨后通過(guò)對(duì)聚類(lèi)思想的分析,發(fā)現(xiàn)聚類(lèi)和異常檢測(cè)在某種程度上存在相似之處,通過(guò)分析模糊聚類(lèi)算法的缺點(diǎn),提出利用改進(jìn)的模糊C-均值聚類(lèi)算法對(duì)異常進(jìn)行檢測(cè)。最后通過(guò)實(shí)驗(yàn)對(duì)兩種算法的結(jié)果進(jìn)行對(duì)比分析。
[Abstract]:With the wide spread of digitization and information technology in colleges and universities, intelligent management system has been widely used and highly valued, which is an important symbol of the degree of information in colleges and universities. All kinds of management information systems in colleges and universities have accumulated a lot of data, such as student achievement, consumption information, Internet information, library borrowing information, entering and leaving the dormitory building, etc. But we process and apply the data. Still remain at a simple query and statistical reporting stage, and have not taken effective measures to make full use of these data to provide effective decision support for student management. The study of abnormal data is often more meaningful than that of normal data. Therefore, the emphasis of this paper is to use these data to analyze students' behavior and to find students with abnormal behavior. This paper first studies some important methods in the field of anomaly research, such as: anomaly detection method based on statistical distribution, anomaly detection method based on distance. Anomaly detection method based on deviation, anomaly detection method based on depth, anomaly detection method based on density, anomaly detection method based on clustering, and the advantages and disadvantages of these commonly used anomaly detection algorithms are analyzed. Starting with the concept of student behavior and on the basis of previous studies, this paper introduces the student behavior that this paper will focus on: consumer behavior, course achievement, normal bedtime, These behaviors will be used as four dimensions of abnormal detection of students' behavioral characteristics in the later stage, and will be used to identify the abnormal behaviors of students. In this paper, there is no positive or derogatory meaning of abnormal behavior. The concept of anomaly here is only a difference between individual students and most students. Using feature data to express students' behavior, we study the distance-based anomaly detection algorithm. An improved similarity sum algorithm based on distance is proposed. Then, by analyzing the clustering idea, it is found that there are similarities between clustering and anomaly detection to some extent, and the shortcomings of fuzzy clustering algorithm are analyzed. An improved fuzzy C-means clustering algorithm is proposed to detect anomalies. Finally, the results of the two algorithms are compared and analyzed through experiments.
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP311.13

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前3條

1 陳勃;何麗青;潘宗秋;;大學(xué)生日常行為的道德自省與道德自控研究[A];第十一屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

2 田宏;;正確引導(dǎo)學(xué)生日常行為 培養(yǎng)學(xué)生優(yōu)秀的品質(zhì)[A];河南省學(xué)校管理與學(xué)校心理研究會(huì)第十次學(xué)術(shù)研討會(huì)論文集[C];2006年

3 卓孟航;;素質(zhì)教育下的學(xué)生日常行為規(guī)范訓(xùn)練[A];全國(guó)教育科研“十五”成果論文集（第四卷）[C];2005年

相關(guān)重要報(bào)紙文章 前5條

1 宜春職業(yè)技術(shù)學(xué)院附小 皮桂秀;小學(xué)生日常行為習(xí)慣的培養(yǎng)[N];宜春日?qǐng)?bào);2011年

2 記者 馮舒玲;銀川各小學(xué)德育教育生動(dòng)活潑[N];寧夏日?qǐng)?bào);2004年

3 楊元;創(chuàng)建平安校園 建設(shè)和諧學(xué)校[N];江蘇法制報(bào);2006年

4 劉安勇;增添措施管好樓道安全[N];自貢日?qǐng)?bào);2006年

5 北京市北京小學(xué) 溫愛(ài)麗;把班會(huì)主題變小[N];中國(guó)教師報(bào);2014年

相關(guān)碩士學(xué)位論文 前4條

1 程永亮;高校學(xué)生日常行為異常檢測(cè)的一種改進(jìn)模糊聚類(lèi)方法[D];大連海事大學(xué);2017年

2 丁雪艷;山西省大學(xué)生日常行為中的自我管理研究[D];山西財(cái)經(jīng)大學(xué);2012年

3 宋飛;基于激勵(lì)理論的大學(xué)生日常行為管理研究[D];青島科技大學(xué);2015年

4 何麗青;大學(xué)生日常行為的道德自省研究[D];南昌大學(xué);2007年

，

本文編號(hào)：1588198