基于校園大數(shù)據(jù)的學生異常行為分析及可視化
發(fā)布時間:2024-10-04 17:13
近年來,高校學生問題頻繁發(fā)生,各類學生事件發(fā)人深省,已引起社會各界的高度關注。如何從基數(shù)大、活動廣、個性強的校園學生群體中有效識別校園內(nèi)潛在的、非常規(guī)的學生異常行為,已成為校園問題的研究重點。而校園大數(shù)據(jù)的有效存儲、數(shù)據(jù)挖掘及可視化技術的快速發(fā)展,為本文利用學生生活數(shù)據(jù)進行異常行為的探索分析和可視化提供了新的解決思路。然而,現(xiàn)有學者對學生異常行為的挖掘多側(cè)重于宏觀性分析,而對學生異常行為檢測及其可視分析的研究較少。基于此,本文基于北京市某高等學校學生行為數(shù)據(jù),包括:消費數(shù)據(jù)、淋浴數(shù)據(jù)、充值數(shù)據(jù)、圖書館借閱數(shù)據(jù)、圖書館門禁數(shù)據(jù)、網(wǎng)絡瀏覽數(shù)據(jù)等,提出一套學生異常行為探索、異常關聯(lián)分析及可視化的方法,以自動檢測校園內(nèi)學生異常活動;并在此基礎上,通過關聯(lián)性度量異常個體間的群體關聯(lián)性,來尋找校園內(nèi)存在相似行為的學生群體。本文選定全校范圍內(nèi)的本科生樣本進行實驗,并向指定輔導人員獲取先驗異常學生群體信息,來驗證論文實驗結(jié)果的可靠性。本論文主要包括以下三方面的研究內(nèi)容:(1)基于無監(jiān)督聚類的學生異常個體檢測。本文通過對校園學生生活行為進行特征提取及表示,利用聚類方式實現(xiàn)了基于生活行為的學生群體無監(jiān)督分類...
【文章頁數(shù)】:86 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 學生大數(shù)據(jù)規(guī)律挖掘現(xiàn)狀分析
1.2.2 學生異常行為檢測分析
1.2.3 學生大數(shù)據(jù)可視化分析
1.2.4 小結(jié)
1.3 本文主要研究工作與論文組織
1.3.1 研究工作
1.3.2 論文組織
第2章 基于無監(jiān)督聚類的學生異常個體檢測
2.1 引言
2.2 基于無監(jiān)督聚類的學生異常個體檢測
2.3 校園大數(shù)據(jù)預處理及特征提取
2.3.1 數(shù)據(jù)集
2.3.2 數(shù)據(jù)預處理
2.3.3 學生行為特征提取
2.4 基于聚類的異常類提取
2.4.1 異常行為聚類分析
2.4.2 相對異常類判定
2.5 基于局部異常因子的異常個體提取
2.6 實驗結(jié)果及分析
2.6.1 聚類效果分析
2.6.2 學生異常行為情況分析
2.7 本章小結(jié)
第3章 基于模塊度最優(yōu)的學生群體關聯(lián)分析
3.1 引言
3.2 基于模塊度最優(yōu)的學生關聯(lián)分析方案
3.3 學生個體相似性算子
3.3.1 數(shù)據(jù)集
3.3.2 移動模式相似性算子
3.3.3 時空融合相似性算子
3.3.4 特征規(guī)律相似性算子
3.4 基于BGLL算法的異常群體關聯(lián)分析
3.4.1 學生群體模塊度定義
3.4.2 學生異常群體關聯(lián)分析
3.5 實驗結(jié)果與分析
3.5.1 相關性算子度量
3.5.2 關聯(lián)關系分析
3.6 本章小結(jié)
第4章 學生異常行為可視化
4.1 引言
4.2 可視化系統(tǒng)
4.2.1 可視化任務概述
4.2.2 可視化系統(tǒng)設計
4.3 學生特征描述可視化
4.3.1 特征選擇
4.3.2 聚類效果分析
4.3.3 特征可視化
4.4 學生時空關聯(lián)可視化
4.4.1 弦連接關系圖
4.4.2 均勻連接關系圖
4.5 異常個體探索可視化
4.5.1 異常因子可視化
4.5.2 關聯(lián)異?梢暬
4.6 案例分析
4.6.1 社交關聯(lián)異常
4.6.2 行為特征異常
4.6.3 異常個體關聯(lián)檢測
4.6.4 異常群體關聯(lián)檢測
4.7 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間所取得的研究成果
致謝
本文編號:4006947
【文章頁數(shù)】:86 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 學生大數(shù)據(jù)規(guī)律挖掘現(xiàn)狀分析
1.2.2 學生異常行為檢測分析
1.2.3 學生大數(shù)據(jù)可視化分析
1.2.4 小結(jié)
1.3 本文主要研究工作與論文組織
1.3.1 研究工作
1.3.2 論文組織
第2章 基于無監(jiān)督聚類的學生異常個體檢測
2.1 引言
2.2 基于無監(jiān)督聚類的學生異常個體檢測
2.3 校園大數(shù)據(jù)預處理及特征提取
2.3.1 數(shù)據(jù)集
2.3.2 數(shù)據(jù)預處理
2.3.3 學生行為特征提取
2.4 基于聚類的異常類提取
2.4.1 異常行為聚類分析
2.4.2 相對異常類判定
2.5 基于局部異常因子的異常個體提取
2.6 實驗結(jié)果及分析
2.6.1 聚類效果分析
2.6.2 學生異常行為情況分析
2.7 本章小結(jié)
第3章 基于模塊度最優(yōu)的學生群體關聯(lián)分析
3.1 引言
3.2 基于模塊度最優(yōu)的學生關聯(lián)分析方案
3.3 學生個體相似性算子
3.3.1 數(shù)據(jù)集
3.3.2 移動模式相似性算子
3.3.3 時空融合相似性算子
3.3.4 特征規(guī)律相似性算子
3.4 基于BGLL算法的異常群體關聯(lián)分析
3.4.1 學生群體模塊度定義
3.4.2 學生異常群體關聯(lián)分析
3.5 實驗結(jié)果與分析
3.5.1 相關性算子度量
3.5.2 關聯(lián)關系分析
3.6 本章小結(jié)
第4章 學生異常行為可視化
4.1 引言
4.2 可視化系統(tǒng)
4.2.1 可視化任務概述
4.2.2 可視化系統(tǒng)設計
4.3 學生特征描述可視化
4.3.1 特征選擇
4.3.2 聚類效果分析
4.3.3 特征可視化
4.4 學生時空關聯(lián)可視化
4.4.1 弦連接關系圖
4.4.2 均勻連接關系圖
4.5 異常個體探索可視化
4.5.1 異常因子可視化
4.5.2 關聯(lián)異?梢暬
4.6 案例分析
4.6.1 社交關聯(lián)異常
4.6.2 行為特征異常
4.6.3 異常個體關聯(lián)檢測
4.6.4 異常群體關聯(lián)檢測
4.7 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間所取得的研究成果
致謝
本文編號:4006947
本文鏈接:http://www.lk138.cn/kejilunwen/ruanjiangongchenglunwen/4006947.html
最近更新
教材專著