大数据可视化对某高校学生行为分析的呈现
| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 引言 | 第11-17页 |
| 1.1 研究背景和课题提出 | 第11页 |
| 1.2 研究的目的和意义 | 第11-14页 |
| 1.2.1 研究的目的 | 第11-13页 |
| 1.2.2 研究的意义 | 第13-14页 |
| 1.3 研究的内容和主要方法 | 第14-15页 |
| 1.4 论文内容安排 | 第15-17页 |
| 第二章 高校大数据分析与呈现的研究现状 | 第17-28页 |
| 2.1 大数据分析技术的起源 | 第17页 |
| 2.2 国内外研究现状 | 第17-20页 |
| 2.3 大数据分析的关键技术 | 第20-21页 |
| 2.4 大数据采集技术 | 第21页 |
| 2.5 大数据预处理方法 | 第21-25页 |
| 2.5.1 大数据存储及管理 | 第22-23页 |
| 2.5.2 大数据分析及挖掘 | 第23-25页 |
| 2.5.3 大数据呈现和应用 | 第25页 |
| 2.6 高校大数据应用难点与对策 | 第25-28页 |
| 2.6.1 数据集成 | 第25-26页 |
| 2.6.2 数据分析方法 | 第26页 |
| 2.6.3 数据隐私 | 第26-28页 |
| 第三章 某高校大数据应用需求分析及设计思路 | 第28-31页 |
| 3.1 某高校简介 | 第28页 |
| 3.2 某高校大数据分析需求现状 | 第28页 |
| 3.3 大数据平台建设思路与方法 | 第28-31页 |
| 3.3.1 基础数据来源 | 第28-29页 |
| 3.3.2 虚拟化计算资源 | 第29页 |
| 3.3.3 大数据平台组成 | 第29-31页 |
| 第四章 某高校大数据应用平台的建设方案与实现 | 第31-47页 |
| 4.1 大数据挖掘平台建设方案综述 | 第31页 |
| 4.2 现有信息中心机房设施改造 | 第31-32页 |
| 4.3 本研究过程定义建模介绍 | 第32-33页 |
| 4.4 某高校数据挖掘方法说明 | 第33-37页 |
| 4.4.1 自定义算子开发 | 第33页 |
| 4.4.2 部分自定义算法代码 | 第33-34页 |
| 4.4.3 动态聚类算法代码 | 第34-37页 |
| 4.5 某高校数据可视化呈现 | 第37-41页 |
| 4.5.1 主流的图表展示 | 第37-41页 |
| 4.5.1.1 学生消费情况数据可视化代码 | 第38页 |
| 4.5.1.2 学生借书情况可视化代码 | 第38-39页 |
| 4.5.1.3 学生上网分析情况可视化代码 | 第39-41页 |
| 4.6 大数据挖掘成果分析呈现 | 第41-47页 |
| 4.6.1 各生源地学生招生质量 | 第42-43页 |
| 4.6.2 学生图书阅读情况 | 第43-44页 |
| 4.6.3 学生消费分布情况 | 第44-45页 |
| 4.6.4 学生成绩的影响因素 | 第45页 |
| 4.6.5 学生上网行为分析 | 第45-46页 |
| 4.6.6 毕业生就业率和专业对口率 | 第46-47页 |
| 第五章 本研究的总结与展望 | 第47-49页 |
| 5.1 本研究的总结 | 第47页 |
| 5.1.1 基础数据丰富性 | 第47页 |
| 5.1.2 数据抽取有效性 | 第47页 |
| 5.1.3 数据模型多样性 | 第47页 |
| 5.2 本研究未来展望 | 第47-49页 |
| 5.2.1 某高校科研项目支撑 | 第47-48页 |
| 5.2.2 高校行业大数据分析平台联盟 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 附件 | 第53页 |
