基于活动轨迹的学业异常学生预测研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究的背景 | 第10-13页 |
| 1.1.1 活动轨迹数据的分类 | 第10-12页 |
| 1.1.2 活动轨迹数据的应用 | 第12-13页 |
| 1.2 课题研究的现状 | 第13-14页 |
| 1.2.1 异常检测研究现状 | 第13页 |
| 1.2.2 学生成绩影响因素分析 | 第13-14页 |
| 1.3 课题的主要工作 | 第14-16页 |
| 1.3.1 主要研究内容及挑战 | 第14-15页 |
| 1.3.2 主要研究方法 | 第15-16页 |
| 1.3.3 主要贡献 | 第16页 |
| 1.4 论文章节安排 | 第16-18页 |
| 第二章 相关工作介绍 | 第18-26页 |
| 2.1 校园一卡通 | 第18-20页 |
| 2.1.1 校园一卡通的功能 | 第18-19页 |
| 2.1.2 校园一卡通数据的应用 | 第19-20页 |
| 2.2 预测和分类 | 第20-25页 |
| 2.2.1 数据挖掘 | 第20页 |
| 2.2.2 相关系数及Lasso算法 | 第20-21页 |
| 2.2.3 分类预测 | 第21-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 异常对象的相关定义 | 第26-28页 |
| 第四章 学业异常学生预测模型 | 第28-56页 |
| 4.1 整体预测模型 | 第28页 |
| 4.2 原始数据集及数据预处理 | 第28-33页 |
| 4.2.1 原始数据集 | 第28-29页 |
| 4.2.2 数据预处理 | 第29-31页 |
| 4.2.3 学生总体生活规律探索 | 第31-33页 |
| 4.3 行为模式挖掘 | 第33-46页 |
| 4.3.1 积极性行为分析 | 第34-35页 |
| 4.3.2 学习态度行为分析 | 第35-37页 |
| 4.3.3 生活规律行为分析 | 第37-41页 |
| 4.3.4 学习投入行为分析 | 第41-44页 |
| 4.3.5 同伴影响行为分析 | 第44-46页 |
| 4.4 属性筛选 | 第46-47页 |
| 4.5 预测模型 | 第47-54页 |
| 4.5.1 属性量化 | 第47-52页 |
| 4.5.2 模型实现 | 第52-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第五章 实验分析 | 第56-64页 |
| 5.1 实验平台 | 第56页 |
| 5.2 算法评价 | 第56-60页 |
| 5.2.1 基于决策树的学业异常学生预测 | 第56-57页 |
| 5.2.2 基于朴素贝叶斯的学业异常学生预测 | 第57-58页 |
| 5.2.3 基于Lasso的学业异常学生预测 | 第58-60页 |
| 5.3 实验结果分析 | 第60-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 作者简介 | 第70页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第70-72页 |
| 致谢 | 第72页 |
