基于行为数据的高校经济困难学生挖掘
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究历史与现状 | 第11-15页 |
| 1.2.1 数据清洗的国内外研究历史与现状 | 第11-12页 |
| 1.2.2 特征提取与选择的国内外研究历史与现状 | 第12-14页 |
| 1.2.3 时间序列分析的国内外研究历史与现状 | 第14-15页 |
| 1.2.4 贫困生挖掘系统的国内外研究历史与现状 | 第15页 |
| 1.3 本文的主要工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第二章 背景知识与相关技术 | 第17-29页 |
| 2.1 开源ETL工具Kettle简介 | 第17-18页 |
| 2.2 C4.5 决策树特征选择方法简介 | 第18-20页 |
| 2.3 递归神经网络方法简介 | 第20-28页 |
| 2.3.1 RNN神经网络 | 第20-24页 |
| 2.3.2 经典的RNN方法 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 数据质量分析及预处理 | 第29-40页 |
| 3.1 通用预处理 | 第29-31页 |
| 3.2 数据质量情况说明及针对性清洗 | 第31-39页 |
| 3.2.1 学生基础数据 | 第31-32页 |
| 3.2.2 消费数据 | 第32-35页 |
| 3.2.3 图书馆和寝室的门禁数据 | 第35-38页 |
| 3.2.4 成绩数据 | 第38页 |
| 3.2.5 奖助贷信息 | 第38-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 特征提取与特征选择 | 第40-51页 |
| 4.1 基本统计量特征 | 第41-45页 |
| 4.1.1 学生基本信息 | 第41-42页 |
| 4.1.2 消费信息 | 第42-44页 |
| 4.1.3 其他统计量特征 | 第44-45页 |
| 4.2 复杂特征 | 第45-47页 |
| 4.2.1 规律性特征 | 第45页 |
| 4.2.2 亲密度 | 第45-46页 |
| 4.2.3 朋友圈经济水平 | 第46-47页 |
| 4.2.4 活跃度特征 | 第47页 |
| 4.3 特征筛选 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 经济困难学生挖掘算法 | 第51-63页 |
| 5.1 LSTM与CW-RNN算法简介 | 第51-55页 |
| 5.1.1 LSTM网络 | 第51-53页 |
| 5.1.2 CW网络 | 第53-55页 |
| 5.2 LSTM与CW-RNN的融合算法设计 | 第55-59页 |
| 5.3 算法应用与结果分析 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 经济困难学生挖掘系统的设计与实现 | 第63-79页 |
| 6.1 系统简介 | 第63-64页 |
| 6.2 系统设计 | 第64-71页 |
| 6.2.1 模块分解 | 第65-66页 |
| 6.2.2 权限控制体系 | 第66-67页 |
| 6.2.3 数据库系统 | 第67-68页 |
| 6.2.4 业务流程梳理 | 第68-71页 |
| 6.3 系统实现与结果展示 | 第71-78页 |
| 6.4 本章小结 | 第78-79页 |
| 第七章 总结与展望 | 第79-81页 |
| 7.1 本文的主要贡献 | 第79页 |
| 7.2 工作展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 附录 | 第86-92页 |
| 附录1 系统异常处理 | 第86-87页 |
| 附录2 系统状态码 | 第87-88页 |
| 附录3 贫困生认定工作流程图梳理 | 第88-92页 |
