發(fā)布時間：2025-01-14 18:23

　　為了更好地挖掘出隱藏在學生一卡通消費行為中的隱含知識,輔助學校、老師和學生工作管理人員更精準地決策,本文設計并實現(xiàn)了一卡通消費行為分析系統(tǒng)。為了使系統(tǒng)能夠更加高效和準確,使用了數(shù)理統(tǒng)計和數(shù)據(jù)挖掘兩種數(shù)據(jù)分析方法,來對一卡通消費數(shù)據(jù)進行數(shù)據(jù)挖掘分析,探索學生一卡通消費行為規(guī)律以及消費行為同生活、學習、就業(yè)和安全之間的潛在聯(lián)系。具體如下:1.設計了PVW-Kmeans算法,用于系統(tǒng)的聚類分析引擎模塊,該算法在K-means算法基礎上做了三方面的改進,獲得了更好的聚類效果。具體包括:(1)基于泰森多邊形的改進,能夠更準確地選取初始聚類中心點和確定初始聚類數(shù)目;(2)基于加權平均值的改進,能夠更準確地區(qū)分每個數(shù)據(jù)對象和更快地把數(shù)據(jù)對象聚類;(3)基于主成分分析法的改進,能夠把多維的一卡通消費行為特征屬性降維。使用PVW-Kmeans算法對學生消費行為進行聚類分析,在輔助貧困生認定上將改進的PVW-Kmeans算法同K-means和K-means++算法做了實驗對比分析,驗證了PVW-Kmeans算法的高效性和準確性。2.設計了WMDE-Apriori算法,用于系統(tǒng)的關聯(lián)分析引擎模塊,該算法在Ap...

【文章頁數(shù)】：112 頁

【學位級別】：碩士

【部分圖文】：

圖2-1類描述的操作流程圖

第二章研究理論基礎7第二章研究理論基礎本文的研究理論基礎是數(shù)據(jù)挖掘，數(shù)據(jù)挖掘就是從實際應用數(shù)據(jù)中提取信息和知識的過程。數(shù)據(jù)挖掘有兩個特點：(1)實際應用數(shù)據(jù)具有數(shù)據(jù)量大、信息不完全、有噪聲、模糊、隨機性的特點；(2)挖掘的信息和知識是隱含的、未知的、潛在有價值的[44]。2.1數(shù)....

圖2-2分類的操作流程圖

電子科技大學碩士學位論文8規(guī)則挖掘可以從大型數(shù)據(jù)庫中找出比較隱晦的對象之間暗含的關系。經(jīng)典的關聯(lián)規(guī)則挖掘案例是“啤酒與尿布”，關聯(lián)規(guī)則挖掘最具代表性且最常用的關聯(lián)規(guī)則分析方法之一是Apriori算法。2.1.3分類和回歸分類和回歸的相同之處在于都使用預測法實現(xiàn)數(shù)據(jù)挖掘的任務，區(qū)別....

圖2-3數(shù)據(jù)挖掘過程

第二章研究理論基礎9是離群點。在數(shù)據(jù)挖掘過程中，離群點被認為是數(shù)據(jù)噪音而直接刪除，但在實際應用中，離群點可能存在巨大的價值。對離群點的分析與探測稱為離群點分析。2.1.6序列模式分析隨著時間的變化，數(shù)據(jù)對象之間的關系也發(fā)生相應變化，這就是數(shù)據(jù)對象的序列模式。通過對這種變化進行建模....

圖2-4數(shù)據(jù)準備

第二章研究理論基礎9是離群點。在數(shù)據(jù)挖掘過程中，離群點被認為是數(shù)據(jù)噪音而直接刪除，但在實際應用中，離群點可能存在巨大的價值。對離群點的分析與探測稱為離群點分析。2.1.6序列模式分析隨著時間的變化，數(shù)據(jù)對象之間的關系也發(fā)生相應變化，這就是數(shù)據(jù)對象的序列模式。通過對這種變化進行建模....

本文編號：4027007