校园卡消费记录用于辅助学生管理工作的研究

校园卡消费论文 贫困识别论文 数据挖掘论文
论文详情
中文摘要第3-5页
英文摘要第5-6页
1 绪论第9-17页
    1.1 研究背景第9-10页
    1.2 研究目的和意义第10-12页
    1.3 研究现状第12-14页
        1.3.1 存在的主要问题第13-14页
    1.4 研究的定位与意义第14-15页
        1.4.1 研究的定位第14页
        1.4.2 研究的意义第14-15页
    1.5 本文研究的主要内容第15-16页
    1.6 本文的主要工作和论文结构第16-17页
2 相关技术第17-27页
    2.1 EDM第17-19页
        2.1.1 概述第17-18页
        2.1.2 基本研究流程第18-19页
    2.2 数据挖掘技术第19-22页
        2.2.1 朴素贝叶斯分类模型第20-21页
        2.2.2 其他数据挖掘算法简述第21-22页
    2.3 特征筛选第22-24页
        2.3.1 主成分分析第22-23页
        2.3.2 Boruta特征选择算法第23页
        2.3.3 隐因子模型第23-24页
    2.4 评价指标第24-26页
        2.4.1 相关系数第24-26页
        2.4.2 预测效果评价指标第26页
    2.5 小结第26-27页
3 基于校园卡消费记录的贫困生识别第27-47页
    3.1 贫困生识别问题第27页
    3.2 数据预处理第27-30页
        3.2.1 数据清洗第28-29页
        3.2.2 数据分类第29页
        3.2.3 数据选择第29页
        3.2.4 数据集成第29-30页
    3.3 可视化分析第30-35页
        3.3.1 统计结果分析第33-34页
        3.3.2 学生第一次抽样调查第34-35页
    3.4 评分算法设计第35-38页
        3.4.1 评分结果分析第37-38页
        3.4.2 小结第38页
    3.5 基于机器学习算法的消费等级判断第38-45页
        3.5.1 校园卡消费等级的人工判断第38-39页
        3.5.2 用于对比的模型第39-44页
        3.5.3 对比结果第44-45页
    3.6 本章小结第45-47页
4 基于校园卡消费记录的学业风险识别第47-65页
    4.1 学业风险识别问题第47-48页
        4.1.1 研究思路第47-48页
    4.2 数据预处理第48-51页
        4.2.1 校园卡数据预处理第48-50页
        4.2.2 成绩预处理第50-51页
    4.3 作息与成绩的关系分析第51-53页
    4.4 特征提取第53-61页
        4.4.1 奖学金与作息相关性分析第54页
        4.4.2 主成分分析第54-56页
        4.4.3 Boruta特征降维第56-59页
        4.4.4 隐因子分析第59-61页
    4.5 学业风险识别第61-62页
    4.6 本章小结第62-65页
5 总结与展望第65-69页
    5.1 本文工作总结第65-66页
    5.2 后续工作及展望第66-69页
致谢第69-71页
参考文献第71-75页
附录第75页
    A.作者在攻读研究生学位期间发表的论文第75页
    B.作者在攻读学位期间参加的科研项目目录第75页
    C.作者在攻读学位期间发表的专利目录第75页
论文购买
论文编号ABS4590911,这篇论文共75页
会员购买按0.30元/页下载,共需支付22.5
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付37.5
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656