基于校园多域融合数据的学生成绩及社交性分析
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究内容和方法 | 第11-12页 |
| 1.4 论文结构 | 第12-15页 |
| 第二章 多域数据采集处理融合与隐私保护 | 第15-25页 |
| 2.1 多域校园数据采集 | 第15-18页 |
| 2.1.1 移动轨迹数据获取方式 | 第15-16页 |
| 2.1.2 校园Wi-Fi探针数据 | 第16-17页 |
| 2.1.3 校园网关数据 | 第17页 |
| 2.1.4 校园卡消费数据 | 第17-18页 |
| 2.1.5 学生课表数据 | 第18页 |
| 2.1.6 学生成绩排名数据 | 第18页 |
| 2.1.7 多域校园数据集描述 | 第18页 |
| 2.2 数据隐私保护 | 第18-20页 |
| 2.2.1 隐私数据保护的必要性 | 第18-19页 |
| 2.2.2 隐私数据加密技术 | 第19页 |
| 2.2.3 隐私数据MD5加密 | 第19-20页 |
| 2.2.4 隐私数据保密协议 | 第20页 |
| 2.3 数据处理与多域融合理论 | 第20-23页 |
| 2.3.1 Wi-Fi探针数据预处理 | 第20-21页 |
| 2.3.2 学生ID与MAC地址映射算法 | 第21-22页 |
| 2.3.3 多域数据融合理论与方法 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 多域融合数据学生社交与成绩关联性分析 | 第25-39页 |
| 3.1 多域校园数据的轨迹融合 | 第25-27页 |
| 3.1.1 多域数据的轨迹提取与融合 | 第25-26页 |
| 3.1.2 轨迹数据稀疏性分析 | 第26-27页 |
| 3.1.3 数据融合前后轨迹稀疏性对比 | 第27页 |
| 3.2 社交网络理论研究 | 第27-28页 |
| 3.2.1 社交网络发展与演进 | 第27-28页 |
| 3.2.2 社交网络结构分析与建模方法 | 第28页 |
| 3.3 基于学生轨迹数据的社交网络构建 | 第28-31页 |
| 3.3.1 最长公共子序列算法 | 第29-30页 |
| 3.3.2 社交相似度的定义与计算 | 第30-31页 |
| 3.3.3 学生社交网络构建 | 第31页 |
| 3.4 学生社交行为与成绩分析 | 第31-38页 |
| 3.4.1 学生社交活跃度定义 | 第31-32页 |
| 3.4.2 社交活跃度与成绩分析 | 第32-33页 |
| 3.4.3 情侣关系识别算法 | 第33-36页 |
| 3.4.4 有无情侣与学生成绩分析 | 第36页 |
| 3.4.5 情侣中性别与成绩分析 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 多域融合数据学生成绩分析与预测 | 第39-57页 |
| 4.1 多域融合数据学生成绩特征提取 | 第39-43页 |
| 4.1.1 多域学生数据的周期划分 | 第39页 |
| 4.1.2 轨迹停留点检测 | 第39-40页 |
| 4.1.3 多域数据成绩特征定义与提取 | 第40-43页 |
| 4.1.4 特征分析与处理 | 第43页 |
| 4.2 学生成绩聚类分析 | 第43-50页 |
| 4.2.1 数据挖掘中的聚类算法 | 第43-45页 |
| 4.2.2 聚类特征筛选与主成分分析 | 第45-47页 |
| 4.2.3 学生成绩聚类分析 | 第47-50页 |
| 4.3 学生成绩分类与预测 | 第50-55页 |
| 4.3.1 数据挖掘中的分类算法 | 第50-53页 |
| 4.3.2 分类算法特征选择 | 第53-54页 |
| 4.3.3 学生成绩的分类预测 | 第54-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
