從網(wǎng)上填報志愿系統(tǒng)的全面分析中,抽離出用戶權(quán)限、數(shù)據(jù)權(quán)限等各個模塊的實現(xiàn)機制。鎖服務(wù)機制是從系統(tǒng)層面來保障填報志愿過程安全、高效運行的一種安全防護機制。高頻事務(wù)處理數(shù)據(jù)引擎以高效的事務(wù)調(diào)度對突發(fā)式?jīng)_擊流量的平抑,突破了峰值寫數(shù)據(jù)的技術(shù)瓶頸。通過對網(wǎng)上填報志愿系統(tǒng)業(yè)務(wù)模型和技術(shù)模型的全面分析,為新高考綜合改革下的志愿數(shù)據(jù)采集工作,做好業(yè)務(wù)與技術(shù)優(yōu)化的儲備。通過對網(wǎng)上填報志愿系統(tǒng)與普通高校招生錄取系統(tǒng)中多維混合型屬性的關(guān)聯(lián)分析,辨析系統(tǒng)之間的數(shù)據(jù)轉(zhuǎn)換模式,抽離出填報志愿智能輔助模型的業(yè)務(wù)模式。通過招生業(yè)務(wù)的專業(yè)性視角與科學(xué)方法相結(jié)合的方式完成數(shù)據(jù)采樣,以聚類、回歸、分類等數(shù)據(jù)挖掘算法完成填報志愿智能輔助模型的技術(shù)模型研究。對同批次、同科類等業(yè)務(wù)類型組合下多維屬性的歷史數(shù)據(jù),以模糊C均值聚類算法對院校及其專業(yè)進行分組。以稀疏多元線性回歸算法建立院校投檔分?jǐn)?shù)線及其專業(yè)錄取分?jǐn)?shù)線的數(shù)學(xué)預(yù)測模型。以基于規(guī)則的分類算法對院校及其專業(yè)進行分組匹配。根據(jù)考生輸入的先導(dǎo)性分類屬性確定院校及其專業(yè)的分組,通過分組對應(yīng)的數(shù)學(xué)模型實現(xiàn)院校投檔分?jǐn)?shù)線及其專業(yè)錄取分?jǐn)?shù)線的趨勢性預(yù)估,為考生合理化填報志愿起到輔助性參...

【文章頁數(shù)】：50 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 本文研究內(nèi)容
    1.4 本文組織結(jié)構(gòu)
第2章 系統(tǒng)分析及業(yè)務(wù)模型設(shè)計
    2.1 高校招生錄取系統(tǒng)投檔機制
    2.2 網(wǎng)上填報志愿系統(tǒng)技術(shù)分析
        2.2.1 技術(shù)架構(gòu)
        2.2.2 專有技術(shù)
    2.3 網(wǎng)上填報志愿系統(tǒng)業(yè)務(wù)分析
    2.4 智能輔助模型業(yè)務(wù)模型設(shè)計
第3章 應(yīng)用算法介紹
    3.1 多元線性回歸算法
        3.1.1 多元線性回歸的概念
        3.1.2 多元線性回歸的模型表示
        3.1.3 相關(guān)概念與算法
    3.2 最小二乘法
    3.3 基于Lasso的稀疏降維算法
    3.4 模糊C-均值聚類(FCM)算法
    3.5 基于規(guī)則的分類算法
第4章 填報志愿智能輔助模型研究
    4.1 數(shù)據(jù)預(yù)處理
        4.1.1 聚集
        4.1.2 抽樣
        4.1.3 特征子集選擇
    4.2 FCM聚類分組
        4.2.1 分類屬性數(shù)值化
        4.2.2 維度稀疏化
        4.2.3 FCM實現(xiàn)院校聚類分組
    4.3 稀疏多元線性回歸模型建立
    4.4 多元線性回歸模型驗證
        4.4.1 組間抽樣交叉檢驗
        4.4.2 組內(nèi)抽樣回塑檢驗
        4.4.3 組外測試集抽樣評估
    4.5 基于規(guī)則分類及模型應(yīng)用
    4.6 專業(yè)錄取分?jǐn)?shù)線預(yù)估模型
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
致謝
攻讀學(xué)位期間的研究成果



本文編號：3999109