發(fā)布時(shí)間：2021-12-28 19:33

　　隨著高校信息化建設(shè)逐步加快,數(shù)字校園及智慧校園逐步成為高�？茖W(xué)管理校園的重要手段,應(yīng)用于教學(xué)、科研、學(xué)生管理等領(lǐng)域,提高了管理質(zhì)量和效率。高校里的各類應(yīng)用系統(tǒng)經(jīng)過(guò)多年的運(yùn)行產(chǎn)生了大量數(shù)據(jù),存儲(chǔ)于各應(yīng)用系統(tǒng)數(shù)據(jù)庫(kù)中,這些數(shù)據(jù)僅在其獨(dú)立領(lǐng)域里發(fā)揮局部作用。真正意義上的數(shù)字校園和智慧校園,應(yīng)將獨(dú)立的應(yīng)用系統(tǒng)的信息資源進(jìn)行整合、集成,以構(gòu)成統(tǒng)一的資源管理,進(jìn)而通過(guò)對(duì)有教學(xué)和科研價(jià)值的數(shù)據(jù)進(jìn)行分析,挖掘出海量數(shù)據(jù)的隱藏特征,找出數(shù)據(jù)間的潛在聯(lián)系,可以輔助教務(wù)人員及學(xué)生思想政治工作人員的教學(xué)管理和學(xué)生管理,甚至能改變傳統(tǒng)教育模式、學(xué)習(xí)生活模式及管理模式。針對(duì)上述問(wèn)題,選擇高校學(xué)生在校的“食、行、住、習(xí)”產(chǎn)生的歷史數(shù)據(jù)進(jìn)行研究,從學(xué)生管理系統(tǒng)、校園一卡通系統(tǒng)、教務(wù)系統(tǒng)、門禁系統(tǒng)獲取相關(guān)數(shù)據(jù),采用聚類分析算法和關(guān)聯(lián)分析算法,挖掘與分析出這些校園海量數(shù)據(jù)中的潛在聯(lián)系,研究學(xué)生行為特點(diǎn),分析學(xué)生行為規(guī)律,聚類出學(xué)生行為類別,建立學(xué)生行為特征模型,再用實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證并提升模型的準(zhǔn)確性,依托高校數(shù)字化校園平臺(tái),進(jìn)而建立基于Spark并行處理的學(xué)生行為分析與預(yù)測(cè)分析平臺(tái)。通過(guò)分析校園一卡通系統(tǒng)用戶的消費(fèi)規(guī)律與教務(wù)... 

【文章來(lái)源】：湖北民族大學(xué)湖北省

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
        1.1.1 課題背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文研究目標(biāo)及內(nèi)容
        1.3.1 研究目標(biāo)
        1.3.2 研究?jī)?nèi)容
    1.4 本文組織結(jié)構(gòu)
第2章 相關(guān)技術(shù)理論概述
    2.1 數(shù)據(jù)挖掘概述
    2.2 聚類分析
        2.2.1 聚類分析概述
        2.2.2 聚類分析方法
        2.2.3 聚類分析算法要求
        2.2.4 聚類分析的過(guò)程
    2.3 關(guān)聯(lián)規(guī)則
        2.3.1 關(guān)聯(lián)規(guī)則概述
        2.3.2 Apriori算法概述
    2.4 本章小結(jié)
第3章 高校學(xué)生行為特征數(shù)據(jù)處理
    3.1 數(shù)據(jù)抽取
    3.2 數(shù)據(jù)預(yù)處理概述
    3.3 數(shù)據(jù)預(yù)處理方法
    3.4 學(xué)生行為特征數(shù)據(jù)的預(yù)處理
    3.5 學(xué)生行為特征數(shù)據(jù)預(yù)處理
        3.5.1 學(xué)生行為特征分析系統(tǒng)數(shù)據(jù)清洗
        3.5.2 學(xué)生行為特征分析系統(tǒng)數(shù)據(jù)集成
        3.5.3 學(xué)生行為特征分析系統(tǒng)數(shù)據(jù)變換
    3.6 建立學(xué)生行為特征評(píng)價(jià)指標(biāo)
    3.7 本章小結(jié)
第4章 K-Means聚類算法研究
    4.1 傳統(tǒng)K-Means聚類算法
        4.1.1 傳統(tǒng)K-Means聚類算法流程
        4.1.2 K-Means算法優(yōu)缺點(diǎn)
    4.2 基于信息熵與密度優(yōu)化的K-Means聚類算法
        4.2.1 信息熵的概念
        4.2.2 優(yōu)化算法思想
        4.2.3 優(yōu)化算法屬性權(quán)值計(jì)算方法
        4.2.4 優(yōu)化算法初始聚類中心的選擇方法
        4.2.5 優(yōu)化算法描述
    4.3 算法優(yōu)劣分析
        4.3.1 時(shí)間復(fù)雜度分析
        4.3.2 實(shí)驗(yàn)比較分析
    4.4 本章小結(jié)
第5章 基于Spark的學(xué)生行為預(yù)測(cè)預(yù)警平臺(tái)實(shí)現(xiàn)
    5.1 主要問(wèn)題
    5.2 系統(tǒng)整體設(shè)計(jì)
    5.3 學(xué)生行為特征預(yù)警模型建立
    5.4 平臺(tái)架構(gòu)實(shí)現(xiàn)
        5.4.1 基于Spark技術(shù)的并行化理論
        5.4.2 Spark分布式平臺(tái)環(huán)境
        5.4.3 分布式平臺(tái)搭建過(guò)程
    5.5 實(shí)驗(yàn)數(shù)據(jù)分析
        5.5.1 貧困生評(píng)定分析
        5.5.2 學(xué)優(yōu)生評(píng)定分析
        5.5.3 學(xué)生行為特征預(yù)測(cè)預(yù)警分析
        5.5.4 高校網(wǎng)絡(luò)輿情分析
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于Apriori算法的關(guān)聯(lián)規(guī)則分析[J]. 王曉麗,奚克敏,劉占波,閆實(shí).  軟件. 2019(02)
[2]關(guān)聯(lián)規(guī)則及Apriori算法的大學(xué)生行為分析研究[J]. 張華霞,李秋生,蒲蓬勃.  贛南師范大學(xué)學(xué)報(bào). 2018(03)
[3]云計(jì)算及大數(shù)據(jù)技術(shù)在智慧校園中的應(yīng)用研究[J]. 翁錦榕,吳禮裔,吳文浩.  中國(guó)新通信. 2018(08)
[4]互聯(lián)網(wǎng)+背景下地方高校智慧校園建設(shè)研究[J]. 黃奕宇.  中國(guó)教育技術(shù)裝備. 2018(04)
[5]高校本科生就餐數(shù)據(jù)挖掘分析[J]. 蘇兆兆,欒靜.  電腦知識(shí)與技術(shù). 2018(05)
[6]大數(shù)據(jù)下數(shù)據(jù)預(yù)處理方法研究[J]. 孔欽,葉長(zhǎng)青,孫赟.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(05)
[7]一種基于信息熵的數(shù)據(jù)預(yù)處理技術(shù)[J]. 阮祥超,萬(wàn)定生.  微電子學(xué)與計(jì)算機(jī). 2018(02)
[8]智慧校園的融合發(fā)展與技術(shù)實(shí)現(xiàn)[J]. 劉邦奇,孫曙輝.  現(xiàn)代教育技術(shù). 2018(01)
[9]基于數(shù)據(jù)挖掘的大學(xué)生課堂學(xué)習(xí)行為數(shù)據(jù)研究[J]. 劉艷,耿強(qiáng),苗莉.  電子商務(wù). 2017(11)
[10]關(guān)聯(lián)規(guī)則在高校學(xué)業(yè)預(yù)警中的應(yīng)用研究[J]. 朱東星,沈良忠.  電腦知識(shí)與技術(shù). 2017(23)

碩士論文
[1]基于Spark平臺(tái)的大數(shù)據(jù)聚類算法研究及其應(yīng)用[D]. 劉磊.南京郵電大學(xué) 2018
[2]基于大數(shù)據(jù)挖掘的高校學(xué)生管理平臺(tái)的研究與應(yīng)用[D]. 武書(shū)舟.華北電力大學(xué)(北京) 2018
[3]基于校園大數(shù)據(jù)的學(xué)生行為分析與預(yù)測(cè)方法研究[D]. 梁柱.西安理工大學(xué) 2017
[4]基于Hadoop的校園卡數(shù)據(jù)挖掘的研究與實(shí)現(xiàn)[D]. 戴海輝.南昌航空大學(xué) 2017
[5]基于機(jī)器學(xué)習(xí)和大數(shù)據(jù)技術(shù)的高校學(xué)生行為分析[D]. 鄧晗.北京郵電大學(xué) 2017
[6]基于大數(shù)據(jù)挖掘的高校學(xué)生行為數(shù)據(jù)分析系統(tǒng)的研究與開(kāi)發(fā)[D]. 孫楊博.華北電力大學(xué)(北京) 2017
[7]校園一卡通數(shù)據(jù)分析平臺(tái)研究與設(shè)計(jì)[D]. 劉靈松.山東師范大學(xué) 2015
[8]基于數(shù)據(jù)挖掘的互聯(lián)網(wǎng)用戶行為分析及應(yīng)用研究[D]. 廖涵冰.天津大學(xué) 2014
[9]基于K-means算法的學(xué)生校園活動(dòng)管理分析[D]. 夏青.蘇州大學(xué) 2013
[10]基于一卡通數(shù)據(jù)的大學(xué)生消費(fèi)分析的技術(shù)路線研究與實(shí)例分析[D]. 王文娟.大連醫(yī)科大學(xué) 2013



本文編號(hào)：3554607