首页--文化、科学、教育、体育论文--体育论文--体育理论论文--体育基础科学论文--运动解剖学论文--运动人体测定论文

大学生体质测试成绩管理系统中异常检测与可视化技术研究

摘要第4-5页
Abstract第5-6页
第1章 绪论第10-15页
    1.1 研究背景第10-11页
    1.2 国内外研究现状第11-13页
        1.2.1 国外研究现状第11-12页
        1.2.2 国内研究现状第12-13页
    1.3 本文主要工作第13页
    1.4 内容安排第13-14页
    1.5 本章小结第14-15页
第2章 相关知识第15-23页
    2.1 《国家学生体质健康标准(2014年修订)》简介第15-17页
        2.1.1 历史沿革与内容简介第15-16页
        2.1.2 《标准》的作用第16-17页
    2.2 异常检测相关技术简介第17-19页
        2.2.1 基于统计的异常检测方法第17页
        2.2.2 基于距离的异常检测方法第17-18页
        2.2.3 基于密度的异常检测方法第18-19页
        2.2.4 基于聚类的异常检测方法第19页
    2.3 数据可视化技术第19-22页
        2.3.1 可视化的功能第19-20页
        2.3.2 数据可视化流程简介第20-21页
        2.3.3 可视化数据缺项处理的方法第21页
        2.3.4 可视化工具简介第21-22页
    2.4 本章小结第22-23页
第3章 体质测试数据异常检测融合算法与应用第23-33页
    3.1 算法简介第23页
    3.2 体质测试数据的特征第23-25页
    3.3 体质测试数据的预处理第25-26页
        3.3.1 数据清洗第25页
        3.3.2 数据标准化第25-26页
    3.4 ADF-PFT算法原理第26-28页
        3.4.1 体质测试数据离群指数(PFT-OI)第26-28页
        3.4.2 ADF-PFT算法描述第28页
    3.5 实验结果分析第28-31页
        3.5.1 实验1第29-31页
        3.5.2 实验2第31页
    3.6 本章小结第31-33页
第4章 数据可视化技术在系统中的应用第33-54页
    4.1 可视化数据预处理第33-34页
        4.1.1 缺项处理第33页
        4.1.2 去异常值第33-34页
        4.1.3 特征编码第34页
        4.1.4 数据过滤第34页
    4.2 缺项处理第34-40页
        4.2.1 简单手工分类均值填补第35页
        4.2.2 基于朴素贝叶斯分类的随机填补第35-37页
        4.2.3 基于KNN的加权均值填补第37-39页
        4.2.4 缺项填补策略第39-40页
    4.3 可视化统计图的设计与实现第40-45页
        4.3.1 可视化统计图的设计第40-42页
        4.3.2 可视化统计图的实现第42-45页
    4.4 体质测试数据异常检测中的可视化应用第45-48页
        4.4.1 实验阶段的可视化应用——算法选择第45-47页
        4.4.2 实验阶段的可视化应用——效果验证第47页
        4.4.3 应用阶段的可视化应用第47-48页
    4.5 体质测试男女成绩差异性发现和可视化分析第48-53页
        4.5.1 男女成绩差异性的发现第48-49页
        4.5.2 差异的一般性分析第49-51页
        4.5.3 差异的原因分析第51-53页
    4.6 本章小结第53-54页
第5章 体质测试成绩系统的设计与实现第54-67页
    5.1 需求分析第54-56页
    5.2 主要业务流程第56-57页
    5.3 系统设计第57-64页
        5.3.1 系统设计概述与目标第57-58页
        5.3.2 总体设计第58-59页
        5.3.3 数据库设计第59-64页
    5.4 系统实现第64-66页
    5.5 本章小结第66-67页
第6章 结论与展望第67-69页
    6.1 全文总结第67页
    6.2 工作展望第67-69页
参考文献第69-72页
致谢第72-73页
附录A (攻读硕士学位期间参与的科研项目和成果)第73页

论文共73页,点击 下载论文
上一篇:基于谣言路径树的社交网络抑制谣言研究
下一篇:基于稀疏表示的目标跟踪算法研究