當(dāng)前大多數(shù)信息系統(tǒng)使用用戶靜態(tài)屬性、動態(tài)行為等數(shù)據(jù)預(yù)測用戶訪問網(wǎng)站行為,但是對用戶動態(tài)行為之間的聯(lián)系考慮不足。在業(yè)務(wù)信息系統(tǒng)中,業(yè)務(wù)流程的設(shè)計是決定用戶行為的主要因素。因此,本文使用教育領(lǐng)域業(yè)務(wù)信息系統(tǒng)的用戶行為日志數(shù)據(jù),進(jìn)行了三方面研究:（1）從日志數(shù)據(jù)中挖掘用戶行為關(guān)系;（2）研究了融合用戶行為關(guān)系的腦皮層學(xué)習(xí)模型BRHTM;（3）預(yù)測地區(qū)教育統(tǒng)計平臺用戶訪問網(wǎng)站行為。具體研究如下:首先,使用過程挖掘的方法構(gòu)建完整的工作流網(wǎng)。本文結(jié)合該問題研究了一種新型日志次序關(guān)系以實現(xiàn)上述目標(biāo),并通過五個質(zhì)量維度（擬合度、簡潔度、精確度、泛化度和行為適當(dāng)性）來比較日志次序關(guān)系。在此基礎(chǔ)上,梳理用戶日志數(shù)據(jù)中的因果關(guān)系、并行關(guān)系,結(jié)合用戶行為次數(shù)、前件次數(shù)和后件次數(shù)進(jìn)行相關(guān)性分析。實驗證明,這五類特征之間存在強(qiáng)相關(guān)性。最后使用聚類算法,結(jié)合用戶行為類別標(biāo)簽挖掘用戶行為關(guān)系。其次,本文設(shè)計了融合用戶行為關(guān)系的腦皮層學(xué)習(xí)模型,即BRHTM。首先重點探討了稀疏分布表示,形成了基于稀疏分布表示的處理單元,即一種專屬的人工細(xì)胞模型,從而構(gòu)成了該模型的訓(xùn)練數(shù)據(jù)集;然后識別細(xì)胞活躍狀態(tài)、細(xì)胞預(yù)測狀態(tài),并更新細(xì)胞... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

論文研究內(nèi)容Fig.1-1Researchcontentsofpaper層級實時記憶模型（HTM）聚類算法（K-means）

西安理工大學(xué)碩士學(xué)位論文到閾值，該片段就會啟動一個 NMDA 峰值，使細(xì)胞去極化。NMDA 峰值不足以完全激活細(xì)胞，只能表明該細(xì)胞處于預(yù)測狀態(tài)。處于預(yù)測狀態(tài)的細(xì)胞在電流輸入下可能很快就會被激活。因此，HTM 可以預(yù)測模式。遠(yuǎn)端基底區(qū)域遠(yuǎn)端基底區(qū)域非活躍突觸

相關(guān)理論與技術(shù)一樣。比如序列“0123”和“5124”，當(dāng)這兩個序列被學(xué)習(xí)之后，輸入“012”，則模型應(yīng)該預(yù)測“3”；輸入“512”，模型應(yīng)該預(yù)測“4”。因此，子序列“12”在模型內(nèi)部必須有兩種不同的表示；否則，在“2”之后模型不能進(jìn)行正確預(yù)測，具體如圖 2-2 所示。輸入序列稀疏表示

【參考文獻(xiàn)】：
期刊論文
[1]基于機(jī)器學(xué)習(xí)技術(shù)的網(wǎng)站用戶行為預(yù)測[J]. 徐冬,肖瑩慧.  現(xiàn)代電子技術(shù). 2019(04)
[2]大規(guī)模數(shù)據(jù)集聚類算法的研究進(jìn)展[J]. 何玉林,黃哲學(xué).  深圳大學(xué)學(xué)報(理工版). 2019(01)
[3]GitHub開源軟件開發(fā)過程中關(guān)鍵用戶行為分析[J]. 廖志芳,李斯江,賀大禹,趙本洪.  小型微型計算機(jī)系統(tǒng). 2019(01)
[4]基于用戶行為的立體車庫車輛停放調(diào)度研究[J]. 關(guān)榆君,和淼.  華北理工大學(xué)學(xué)報(自然科學(xué)版). 2019(01)
[5]《2018聯(lián)合國電子政務(wù)調(diào)查報告（中文版）》發(fā)布[J].   電子政務(wù). 2018(10)
[6]結(jié)合深度學(xué)習(xí)的網(wǎng)絡(luò)鄰居結(jié)構(gòu)研究及應(yīng)用[J]. 寇曉宇,呂天舒,張巖.  計算機(jī)科學(xué)與探索. 2019(02)
[7]面向大規(guī)模認(rèn)知診斷的DINA模型快速計算方法研究[J]. 王超,劉淇,陳恩紅,黃振亞,朱天宇,蘇喻,胡國平.  電子學(xué)報. 2018(05)
[8]基于用戶行為分析的政府網(wǎng)站建設(shè)與優(yōu)化研究[J]. 耿霞.  信息系統(tǒng)工程. 2018(04)
[9]室內(nèi)定位中K-means聚類算法奇異值的優(yōu)化處理[J]. 陳云飛,杜太行,江春冬,齊玲,孫曙光.  科學(xué)技術(shù)與工程. 2018(10)
[10]基于大數(shù)據(jù)平臺的用戶畫像與用戶行為分析[J]. 謝康,吳記,肖靜華.  中國信息化. 2018(03)

博士論文
[1]政務(wù)流程再造研究[D]. 高靜學(xué).吉林大學(xué) 2009

碩士論文
[1]云環(huán)境下基于Petri網(wǎng)的用戶行為分析研究[D]. 楊城.南京郵電大學(xué) 2018
[2]基于手機(jī)信令數(shù)據(jù)的區(qū)域住房價格與居民出行特性相關(guān)性研究[D]. 廖錕.西南交通大學(xué) 2018
[3]大學(xué)生在校行為分析及畢業(yè)去向預(yù)測[D]. 丁濱.電子科技大學(xué) 2017
[4]針對信息披露網(wǎng)站的實時爬蟲檢測與攔截[D]. 魯念平.哈爾濱工業(yè)大學(xué) 2016
[5]面向教育大數(shù)據(jù)的多維數(shù)據(jù)分析系統(tǒng)的研究與實現(xiàn)[D]. 戴園園.湖南大學(xué) 2016
[6]基于認(rèn)知診斷的教育輔助技術(shù)研究[D]. 劉玉蘋.中國科學(xué)技術(shù)大學(xué) 2016
[7]高中思想政治課中的節(jié)約教育探究[D]. 鄧紫霞.首都師范大學(xué) 2014



本文編號：3116026