摘要 | 第6-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第9-17页 |
1.1 课题研究背景 | 第9-10页 |
1.2 课题研究意义 | 第10页 |
1.3 国内外研究应用现状 | 第10-15页 |
1.3.1 国内教育大数据研究应用现状 | 第11-12页 |
1.3.2 国外教育大数据研究应用现状 | 第12页 |
1.3.3 教育大数据应用面临的挑战 | 第12-14页 |
1.3.4 教育大数据在扶贫工作中的研究现状 | 第14-15页 |
1.4 研究目的及内容 | 第15页 |
1.5 论文组织结构 | 第15-17页 |
第二章 相关大数据分析技术 | 第17-28页 |
2.1 大数据分析概述 | 第17-21页 |
2.1.1 大数据分析的基本任务 | 第17页 |
2.1.2 大数据分析过程 | 第17-21页 |
2.2 统计分析方法 | 第21-22页 |
2.2.1 描述统计 | 第21页 |
2.2.2 推断统计 | 第21-22页 |
2.3 聚类分析算法 | 第22-25页 |
2.3.1 K-Means算法原理 | 第22-23页 |
2.3.2 距离度量 | 第23-24页 |
2.3.3 轮廓系数 | 第24-25页 |
2.4 决策树分类方法 | 第25-27页 |
2.4.1 ID3算法 | 第25-26页 |
2.4.2 C4.5决策树算法 | 第26-27页 |
2.5 本章小结 | 第27-28页 |
第三章 基于C4.5决策树的学生贫困状态识别模型 | 第28-46页 |
3.1 背景与目标 | 第28页 |
3.2 基于R和Hadoop的大数据分析平台搭建 | 第28-35页 |
3.2.1 Hadoop的安装 | 第29-34页 |
3.2.2 R的安装 | 第34页 |
3.2.3 RHadoop的安装 | 第34-35页 |
3.3 数据采集与预处理 | 第35-39页 |
3.3.1 数据采集 | 第35-37页 |
3.3.2 缺失值处理 | 第37-38页 |
3.3.3 异常值检测 | 第38页 |
3.3.4 数据集成 | 第38-39页 |
3.4 数据选择 | 第39-40页 |
3.5 构建贫困状态识别模型 | 第40-43页 |
3.6 模型验证与评估 | 第43-44页 |
3.7 贫困状态识别模型应用 | 第44-45页 |
3.8 本章小结 | 第45-46页 |
第四章 基于最优K值K-Means聚类算法的贫困分类模型 | 第46-54页 |
4.1 背景与目标 | 第46页 |
4.2 数据采集与预处理 | 第46-48页 |
4.2.1 数据采集 | 第46-47页 |
4.2.2 数据缺失值处理 | 第47页 |
4.2.3 异常值处理 | 第47页 |
4.2.4 属性变换 | 第47-48页 |
4.3 数据集成 | 第48页 |
4.4 贫困分类模型构建 | 第48-53页 |
4.4.1 K值最优化 | 第48-49页 |
4.4.2 距离量度选取 | 第49-50页 |
4.4.3 构建贫困分类模型 | 第50-51页 |
4.4.4 分类结果分析 | 第51-53页 |
4.5 贫困分类模型应用 | 第53页 |
4.6 本章小结 | 第53-54页 |
第五章 基于教育大数据的教育精准扶贫系统实现 | 第54-79页 |
5.1 建设背景与问题分析 | 第54-55页 |
5.1.1 建设背景 | 第54-55页 |
5.1.2 差距与问题分析 | 第55页 |
5.2 系统需求分析 | 第55-58页 |
5.2.1 技术可行性分析 | 第56-57页 |
5.2.2 系统性能需求分析 | 第57-58页 |
5.2.3 系统功能需求分析 | 第58页 |
5.3 数据来源 | 第58-59页 |
5.4 系统设计 | 第59-68页 |
5.4.1 系统整体设计 | 第59-60页 |
5.4.2 技术架构设计 | 第60-62页 |
5.4.3 功能架构设计 | 第62-68页 |
5.5 教育精准扶贫系统实现 | 第68-78页 |
5.5.1 系统登录 | 第68-69页 |
5.5.2 教育精准扶贫作战图(首页) | 第69页 |
5.5.3 贫困学生资助政策 | 第69-70页 |
5.5.4 教育扶贫大数据分析 | 第70-74页 |
5.5.5 贫困学生检索 | 第74页 |
5.5.6 贫困学生信息维护 | 第74-78页 |
5.6 本章小结 | 第78-79页 |
第六章 总结与展望 | 第79-81页 |
6.1 总结 | 第79页 |
6.2 展望 | 第79-81页 |
致谢 | 第81-82页 |
参考文献 | 第82-85页 |