首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--在其他方面的应用论文

基于校园卡数据的学生行为分析研究

摘要第3-4页
ABSTRACT第4页
第一章 绪论第8-16页
    1.1 研究背景及意义第8-10页
        1.1.1 研究背景第8-9页
        1.1.2 研究意义第9-10页
    1.2 研究现状第10-12页
        1.2.1 学生行为分析研究现状第10-12页
        1.2.2 相关挖掘算法研究现状第12页
    1.3 研究目的第12-13页
    1.4 本文主要研究内容第13页
    1.5 本文研究结构第13-16页
第二章 相关理论与技术第16-26页
    2.1 数据挖掘概述第16-18页
        2.1.1 数据挖掘的概念第16页
        2.1.2 数据挖掘的过程第16-18页
    2.2 数据挖掘相关技术第18-20页
    2.3 数据挖掘方法第20-22页
    2.4 数据分析常用工具第22-26页
第三章 学生行为数据处理方法研究第26-34页
    3.1 数据表分析第26-30页
    3.2 数据预处理简介第30页
    3.3 数据预处理方法第30-32页
    3.4 学生行为数据预处理第32-34页
第四章 基于聚类分析的学生行为分类方法研究第34-44页
    4.1 学生行为分类需求第34页
    4.2 学生画像的构建与研究第34-36页
        4.2.1 基于大数据的用户画像构建第34-35页
        4.2.2 基于校园大数据的学生画像构建第35-36页
    4.3 K-means算法第36-37页
    4.4 聚类的实验结果与分析第37-42页
        4.4.1 消费规律聚类结果第37-39页
        4.4.2 生活规律聚类结果第39-40页
        4.4.3 学习努力程度聚类结果第40-42页
    4.5 学生画像举例说明第42-44页
第五章 关联规则分析在学生行为分析中的应用第44-60页
    5.1 关联规则算法研究第44-47页
        5.1.1 基本概念和步骤第44-45页
        5.1.2 Apriori算法第45-47页
    5.2 改进的关联规则挖掘算法第47-52页
        5.2.1 改进的Apriori算法思想第47-48页
        5.2.2 改进的Apriori算法方法第48页
        5.2.3 改进算法实例说明第48-51页
        5.2.4 实验分析与结果展示第51-52页
    5.3 改进的Apriori算法在学生行为分析中的应用第52-60页
        5.3.1 数据准备第52-56页
        5.3.2 成绩与行为数据关联结果分析第56-60页
第六章 总结与展望第60-62页
    6.1 总结第60-61页
        6.1.1 工作总结第60页
        6.1.2 研究结果总结第60-61页
    6.2 展望第61-62页
参考文献第62-66页
致谢第66-68页
攻读学位期间发表的学术论文目录第68-71页

论文共71页,点击 下载论文
上一篇:基于枢轴语言的汉越短语机器翻译方法研究
下一篇:基于全景拼接的泊车辅助系统研究