校园一卡通数据挖掘与分析
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 选题背景与研究意义 | 第8-10页 |
| 1.1.1 选题背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究综述 | 第10-11页 |
| 1.2.1 国外研究综述 | 第10页 |
| 1.2.2 国内研究综述 | 第10-11页 |
| 1.3 论文思路结构与创新之处 | 第11-13页 |
| 1.3.1 论文的思路与结构 | 第11-12页 |
| 1.3.2 论文的创新之处 | 第12-13页 |
| 2 数据挖掘基本概述 | 第13-17页 |
| 2.1 数据挖掘的基本概念 | 第13-14页 |
| 2.1.1 数据挖掘的定义 | 第13页 |
| 2.1.2 数据挖掘的产生与发展 | 第13页 |
| 2.1.3 数据挖掘的技术 | 第13-14页 |
| 2.1.4 数据挖掘的对象 | 第14页 |
| 2.1.5 数据挖掘的功能 | 第14页 |
| 2.2 数据挖掘的过程 | 第14-16页 |
| 2.3 数据挖掘的问题 | 第16-17页 |
| 3 校园一卡通数据预处理与探索性统计分析 | 第17-37页 |
| 3.1 校园一卡通简介 | 第17-18页 |
| 3.2 数据来源与说明 | 第18-21页 |
| 3.2.1 校园一卡通数据 | 第18-21页 |
| 3.2.2 气象数据 | 第21页 |
| 3.3 校园一卡通数据预处理 | 第21-23页 |
| 3.3.1 数据清理 | 第21-22页 |
| 3.3.2 数据集成 | 第22页 |
| 3.3.3 数据规约 | 第22-23页 |
| 3.4 数据统计分析 | 第23-37页 |
| 3.4.1 一卡通消费数据的统计分析 | 第23-31页 |
| 3.4.2 气象数据与消费数据的相关性分析 | 第31-37页 |
| 4 一卡通用户的聚类分析 | 第37-50页 |
| 4.1 聚类分析及常用方法 | 第37-42页 |
| 4.1.1 基于距离的聚类 | 第37-41页 |
| 4.1.2 基于密度的聚类 | 第41-42页 |
| 4.2 聚类算法的选取 | 第42-43页 |
| 4.3 聚类结果分析 | 第43-50页 |
| 4.3.1 聚类个数的选取 | 第43-45页 |
| 4.3.2 聚类结果分析 | 第45-50页 |
| 5 一卡通用户社交网络分析 | 第50-55页 |
| 5.1 社交网络的基本概念 | 第50-51页 |
| 5.2 社交网络分析内容 | 第51-52页 |
| 5.3 社交网络分析结果 | 第52-55页 |
| 5.3.1 不同性别用户间的社交网络分析 | 第52-53页 |
| 5.3.2 不同性别和学历用户间的社交网络分析 | 第53-55页 |
| 6 基于一卡通消费数据的推荐系统 | 第55-60页 |
| 6.1 基本概念与算法描述 | 第55-56页 |
| 6.2 推荐系统的构建 | 第56-58页 |
| 6.3 推荐结果的简单分析 | 第58-60页 |
| 7 结论与展望 | 第60-61页 |
| 7.1 结论 | 第60页 |
| 7.2 展望 | 第60页 |
| 7.3 挑战与问题 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间科研成果 | 第64页 |
