校园中隐式用户行为数据挖掘研究
摘要 | 第1-6页 |
ABSTRACT | 第6-8页 |
目录 | 第8-11页 |
表格索引 | 第11-12页 |
插图索引 | 第12-13页 |
算法索引 | 第13-14页 |
第一章 绪论 | 第14-20页 |
·隐式用户行为数据挖掘 | 第14-15页 |
·隐式用户行为数据 | 第14页 |
·隐式用户行为数据挖掘 | 第14-15页 |
·相关系统与数据集 | 第15-17页 |
·相关系统 | 第15-16页 |
·数据集 | 第16-17页 |
·相关工作 | 第17页 |
·社交网络上的行为实验 | 第17页 |
·用户行为习惯挖掘 | 第17页 |
·时间序列分析 | 第17页 |
·本文的研究内容 | 第17-18页 |
·本文的组织结构 | 第18页 |
·本章小结 | 第18-20页 |
第二章 投票行为实验 | 第20-36页 |
·引言 | 第20-21页 |
·研究基础 | 第21-24页 |
·经典选民模型 | 第21-22页 |
·有偏选民模型 | 第22-24页 |
·实验设计 | 第24-26页 |
·实验准备 | 第26-29页 |
·平台选择 | 第26-27页 |
·激励机制 | 第27页 |
·参与者选择 | 第27页 |
·软件设计 | 第27-28页 |
·硬件平台 | 第28-29页 |
·数据处理 | 第29页 |
·实验结果分析 | 第29-33页 |
·集体行为 | 第29-33页 |
·个体行为 | 第33页 |
·本章小结 | 第33-36页 |
第三章 智慧校园-生活习惯“体检”报告 | 第36-50页 |
·引言 | 第36-38页 |
·智慧校园与行为分析 | 第38-39页 |
·智慧城市与智慧校园 | 第38页 |
·生活行为分析 | 第38-39页 |
·构建生活习惯建议 | 第39页 |
·系统设计 | 第39-49页 |
·Windows Azure云计算平台 | 第42-43页 |
·并行数据爬虫实现 | 第43-47页 |
·用户界面设计 | 第47-49页 |
·本章小结 | 第49-50页 |
第四章 智慧校园-食堂突发事件及学生离校预警 | 第50-62页 |
·引言 | 第50-51页 |
·研究基础 | 第51-56页 |
·平滑方法 | 第51-54页 |
·单变量模型 | 第54-56页 |
·实验分析 | 第56-61页 |
·食堂满意度预警 | 第56-59页 |
·学生离校预警 | 第59-61页 |
·本章小结 | 第61-62页 |
第五章 总结与展望 | 第62-64页 |
·全文总结 | 第62页 |
·未来工作 | 第62-64页 |
参考文献 | 第64-66页 |
致谢 | 第66-68页 |
在读期间发表的学术论文与取得的研究成果 | 第68页 |