大数据技术在高校中的应用研究2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

大数据技术在高校中的应用研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 大数据和数据挖掘基础知识1

1.1 大数据和数据挖掘的基本概念1

1.1.1 大数据的基本概念1

1.1.2 对大数据和数据挖掘的理解2

1.1.3 大数据时代的数据挖掘2

1.1.4 大数据挖掘对象3

1.1.5 数据挖掘的过程5

1.2 大数据的相关技术和工具6

1.2.1 大数据存储6

1.2.2 流式数据中间件8

1.2.3 MapReduce并行运算模型10

1.2.4 数据仓库实施的关键环节和技术11

1.2.5 数据仓库类型13

1.2.6 数据仓库和数据挖掘的关系14

1.3 OLAP和数据挖掘15

1.3.1 OLAP概述15

1.3.2 OLAP的特点16

1.3.3 OLAP的基本分析动作17

1.3.4 OLAP工具简介18

1.3.5 OLAP与OLTP的比较20

1.3.6 OLAP与数据挖掘的关系20

1.4 大数据挖掘的研究现状21

1.5 数据挖掘的相关技术和工具22

1.5.1 数据挖掘的主要算法23

1.5.2 数据挖掘工具23

1.5.3 集群管理26

第二章 数据挖掘的应用28

2.1 数据挖掘的主要应用领域28

2.2 数据挖掘在高校中的应用32

第三章 关联规则在高校教务中的应用研究36

3.1 关联规则简介36

3.2 关联规则算法介绍37

3.2.1 关联规则的形式化描述37

3.2.2 Apriori算法简介及实例说明37

3.2.3 FP-growth算法介绍43

3.3 数据挖掘在学生成绩分析中的应用47

3.3.1 应用背景47

3.3.2 强关联规则的定义48

3.3.3 关联规则挖掘的基本步骤及算法选择49

3.3.4 数据收集和预处理49

3.3.5 数据挖掘工具Analysis Services简介51

3.3.6 实现步骤55

3.3.7 挖掘结果分析59

3.4 关联规则在高校贫困生认定中的应用62

3.4.1 问题分析62

3.4.2 经济困难学生认定标准63

3.4.3 数据分析及处理64

3.4.4 关联规则挖掘70

3.4.5 结果分析71

3.5 关联规则在高校科研评价中的应用73

3.5.1 科研评价背景73

3.5.2 高校科研评价体系中存在的问题74

3.5.3 高校科研评价及现状76

3.5.4 高校科研评价体系的构建原则和构建方法78

3.5.5 挖掘对象79

3.5.6 多维Apriori算法设计80

3.5.7 挖掘过程及小结85

3.6 数据挖掘在高校学生心理问题中的应用研究96

3.6.1 问题的提出96

3.6.2 大学生心理问题特点及测试手段97

3.6.3 数据挖掘技术的引入及数据准备98

3.6.4 Apriori算法在学生心理问题中的应用101

3.6.5 实验结果分析105

第四章 决策树在高校中的应用研究107

4.1 决策树算法介绍107

4.2 国内外研究现状110

4.3 决策树算法研究发展方向113

4.4 决策树基本算法简介114

4.4.1 ID3算法介绍114

4.4.2 C4.5算法简介118

4.4.3 决策树分类方法的优点119

4.5 决策树算法在学生素质分析中的应用119

4.5.1 学生素质分析与决策树分类119

4.5.2 数据预处理120

4.5.3 用算法构建决策树121

4.5.4 规则提取与应用123

4.6 决策树算法在高校学生流失分析中的应用125

4.6.1 应用背景及决策树解决方法125

4.6.2 小结127

4.7 决策树分类技术在高校教学信息挖掘中的应用127

4.7.1 实施方案128

4.7.2 教学信息挖掘系统应具有的特点130

4.7.3 数据预处理及示例说明132

4.7.4 数据分类挖掘138

4.7.5 挖掘结果分析与小结142

4.8 决策树技术在高校学生综合测评中的应用研究143

4.8.1 研究背景及意义143

4.8.2 高校学生综合素质测评模型147

4.8.3 决策树分类在学生综合测评中的应用152

4.8.4 小结157

第五章 人工神经网络在高校中的应用研究158

5.1 人工神经网络发展历史158

5.2 B-P神经网络基础知识159

5.3 基于B-P神经网络的考试成绩综合评价方法研究162

5.3.1 应用背景及研究意义162

5.3.2 解决问题的步骤及方法166

5.3.3 仿真实验171

5.3.4 小结174

5.4 神经网络算法在大学生综合素质评价中的应用176

5.4.1 研究背景及意义176

5.4.2 神经网络算法应用步骤180

5.4.3 小结185

第六章 聚类技术在高校中的应用研究186

6.1 聚类技术及常用算法介绍186

6.2 基于聚类技术的远程教育学生分类研究192

6.2.1 应用背景192

6.2.2 建模193

6.2.3 STING算法简介202

6.2.4 数据采集及属性的选择204

6.2.5 利用STING算法建模的实验结果206

6.2.6 聚类效果评价及实际意义209

6.3 聚类技术在教学评价中的应用研究212

6.3.1 问题背景212

6.3.2 数据预处理213

6.3.3 创建数据集市和数据立方体215

6.3.4 聚类挖掘217

6.4 聚类技术在高校科研中的应用研究219

6.4.1 课题背景219

6.4.2 数据源219

6.4.3 科研项目信息多维数据模型设计与OLAP实现220

6.4.4 K-means聚类在科研项目信息数据挖掘中的应用224

6.4.5 小结228

第七章 贝叶斯网络在高校中的应用研究229

7.1 贝叶斯网络的发展史229

7.2 贝叶斯网络基础知识230

7.3 贝叶斯网络分类在教育考试中的应用研究240

7.3.1 研究背景240

7.3.2 朴素贝叶斯分类器242

7.3.3 贝叶斯网络应用步骤248

7.4 贝叶斯网络在高校Web信息过滤中的研究253

7.4.1 研究背景及意义253

7.4.2 国内外研究现状255

7.4.3 Web文本预处理258

7.4.4 中文分词算法设计262

7.4.5 贝叶斯过滤模型的P（dx｜Cj）估计模型264

7.4.6 贝叶斯算法在实际过滤中的应用265

7.4.7 模型设计及实验结果269

第八章 大数据技术现状与展望277

8.1 网络大数据现状277

8.2 网络大数据面临的问题278

8.3 数据挖掘的研究热点282

8.4 大数据挖掘的发展趋势284

8.5 大数据技术推动高校发展的对策建议287

参考文献292