首页--文化、科学、教育、体育论文--高等教育论文--教学理论、教学法论文--教学研究与改革论文

基于Hadoop的K-Means聚类算法在大学生综合素质评价中的应用研究

摘要第4-5页
ABSTRACT第5页
第一章 绪论第8-14页
    1.1 研究背景及意义第8-9页
    1.2 大学生素质评价的研究现状及存在问题第9-11页
    1.3 论文的研究内容第11页
    1.4 论文的组织结构第11-14页
第二章 大学生综合素质评价体系的构建第14-26页
    2.1 大学生综合素质评价的指标设立第14-16页
        2.1.1 评价指标设立的原则第14-15页
        2.1.2 指标体系的构建第15-16页
    2.2 评价指标的权重配置第16-23页
        2.2.1 权重配置的基本方法第16-17页
        2.2.2 权重配置方法的选择第17-21页
        2.2.3 指标权重的计算实例第21-23页
    2.3 本章小结第23-26页
第三章 基于Hadoop的K-Means聚类算法研究第26-46页
    3.1 Hadoop平台介绍第26-30页
        3.1.1 分布式文件系统(HDFS)第26-28页
        3.1.2 MapReduce编程模型第28-30页
        3.1.3 Hadoop应用前景第30页
    3.2 聚类算法简介第30-34页
        3.2.1 聚类的概念第31页
        3.2.2 主要聚类算法第31-34页
    3.3 K-Means算法并行化研究第34-39页
        3.3.1 K-Means算法描述第34-36页
        3.3.2 K-Means算法MapReduce并行化第36-39页
    3.4 实验与分析第39-45页
        3.4.1 数据来源第39页
        3.4.2 k值选择第39-42页
        3.4.3 聚类结果分析第42-45页
    3.5 本章小结第45-46页
第四章 大学生综合素质评价系统的设计与实现第46-60页
    4.1 系统的设计思想第46页
    4.2 系统的模块设计第46-48页
    4.3 系统的数据库设计第48-49页
    4.4 系统的功能实现第49-58页
        4.4.1 评价指标管理第49-51页
        4.4.2 指标权重设置第51-53页
        4.4.3 评价数据管理第53-54页
        4.4.4 综合素质计算第54页
        4.4.5 统计查询第54-56页
        4.4.6 聚类分析第56-58页
    4.5 本章小结第58-60页
第五章 总结与展望第60-62页
    5.1 课题总结第60-61页
    5.2 未来展望第61-62页
参考文献第62-66页
攻读学位期间所取得的相关科研成果第66-68页
致谢第68页

论文共68页,点击 下载论文
上一篇:新型多模多频带滤波器的理论研究与设计
下一篇:大规模在线学习的智能答疑系统的研究与实现