网络日志用于学生成绩预测的研究
| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 课题研究背景 | 第9页 |
| 1.2 课题研究现状 | 第9-11页 |
| 1.3 本文主要研究内容 | 第11页 |
| 1.4 本文工作及论文结构 | 第11-13页 |
| 2 相关技术介绍 | 第13-25页 |
| 2.1 教育数据挖掘 | 第13-14页 |
| 2.1.1 教育数据挖掘概述 | 第13-14页 |
| 2.1.2 教育数据挖掘基本步骤 | 第14页 |
| 2.2 网络日志挖掘 | 第14-16页 |
| 2.3 频繁项挖掘 | 第16-17页 |
| 2.4 逻辑回归 | 第17-19页 |
| 2.5 贝叶斯分类器 | 第19-20页 |
| 2.6 集成学习 | 第20-22页 |
| 2.7 K-Means聚类 | 第22-23页 |
| 2.8 本章小结 | 第23-25页 |
| 3 数据预处理 | 第25-33页 |
| 3.1 网络日志数据及预处理 | 第25-30页 |
| 3.1.1 网络日志数据 | 第25-26页 |
| 3.1.2 网络日志预处理 | 第26-29页 |
| 3.1.3 网站类别访问频次的统计 | 第29-30页 |
| 3.2 学生成绩数据预处理 | 第30-31页 |
| 3.3 校园卡消费数据预处理 | 第31页 |
| 3.4 本章小结 | 第31-33页 |
| 4 在线视频和网络游戏时间估算 | 第33-45页 |
| 4.1 网站访问模式分析 | 第33-39页 |
| 4.1.1 建立网站类型支持度数据库 | 第33-34页 |
| 4.1.2 处理流程 | 第34-36页 |
| 4.1.3 结果分析 | 第36-39页 |
| 4.2 在线视频访问时间估算 | 第39-42页 |
| 4.2.1 实验数据的获取 | 第39页 |
| 4.2.2 利用心跳信息估算视频访问时间 | 第39-40页 |
| 4.2.3 利用特征标记估算视频访问时间 | 第40-41页 |
| 4.2.4 修正时间的选取 | 第41-42页 |
| 4.3 网络游戏时间估算 | 第42-43页 |
| 4.3.1 游戏时间估算的特性 | 第42-43页 |
| 4.3.2 游戏时间估算 | 第43页 |
| 4.4 本章小结 | 第43-45页 |
| 5 模型构建与评估 | 第45-65页 |
| 5.1 模型使用的数据集 | 第45-47页 |
| 5.1.1 成绩数据 | 第45-46页 |
| 5.1.2 网站访问频次数据 | 第46页 |
| 5.1.3 视频、游戏时间数据 | 第46页 |
| 5.1.4 消费数据 | 第46-47页 |
| 5.2 网站类型的选择 | 第47-50页 |
| 5.2.1 根据网站访问支持度进行删减 | 第47-49页 |
| 5.2.2 根据相关性选择特征 | 第49-50页 |
| 5.3 模型的评价标准与验证方法 | 第50-52页 |
| 5.3.1 评价指标与标准 | 第50-51页 |
| 5.3.2 模型验证方法 | 第51-52页 |
| 5.4 模型建立 | 第52-62页 |
| 5.4.1 逻辑回归预测 | 第52-53页 |
| 5.4.2 集成学习预测 | 第53-62页 |
| 5.5 结果分析 | 第62-64页 |
| 5.6 本章小结 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 本文总结 | 第65-66页 |
| 6.2 后续工作及展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73页 |
| A. 作者在攻读硕士学位期间发表的论文题目 | 第73页 |
| B. 作者在攻读硕士学位期间发表的专利 | 第73页 |
