基于web应用的创客教育资源共享平台设计与实现
发布时间：2020-12-21 20:48
随着全球互联网的普及,使得各种编程语言得以发展,导致了各种优秀且稳定的系统框架的出现。各个基于web应用的资源管理平台受到了各行各业的青睐,特别是教育行业的公司作为重点关注的对象。而在创新领域,出现了这样的一批人。他们对新鲜的事物有着浓厚的兴趣和爱好,努力通过实践来证明自己的创意,并有着将创意变成现实的目标——人们将其称之为“创客”。本课题是基于web应用的创客教育资源共享平台的设计与实现,其主要目的是为了更好地宣传创新的重要性,让更多的业者了解创客思想以及其产业特点,推动创客运动的发展。本篇论文的主要工作如下:（1）开发一个共享平台,为创客提供展示自己创意作品的机会。让更多的人通过该平台展示的作品、以及平台用户分享的相关学习视频来了解创客。（2）对项目进行了初期的需求分析、可行性分析,完成了系统的功能设计、中期的详细设计,最终全部实现创客平台的功能需求。（3）根据项目的需求,设计了该系统底层的数据库结构以及表结构,并配置了平台数据库的连接信息。（4）通过使用数据压缩算法来优化平台传输数据的性能,使用文本聚类算法来实现作品的自动分类,使得平台的功能更为完善、流畅。应公司实际应用需求,本...
【文章来源】：东华大学上海市 211工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
数据在图2-4中，通过对数据源的统计，
图 2-6 RLE 数据编码过程如上图 1 所示，RLE 在压缩数据时，通过统计数字出现的次数，其中 98 出现了 8 次，那么在编码的时候，就会将该重复段使用标识字节(#)+重复次数(8)+重复单元(98)来替代。而在解码的时候，解码器解析到标识字节(#)就会知道后面两个单元对应的含义，进而成功地完成解码工作。从上述对该算法的描述中可知，算法会用特殊标记符号加上单元的重复次数以及重复单元来替换原来的连续重复段，由于新的编码会占据源数据的 3 个位置。因此，当某个重复单元在连续段中的重复次数小于 3 时，对该数据进行行程长度编码反而会使得原串的长度增加。而当连续的重复次数大于或等于 3 时，使用该算法编码会使得原串长度缩减。有上述描述可知，某个连续段编码后减少的长度为： 0(0oldLength3)oldLength-3(3)lengtholdLength（3）其中 oldLength 表示的时某个单元在该连续段中的重复次数。由此可得出该段压缩率为:
图 2-7 算法运行过程结合上述的 TF-IDF 以及图 2-7 算法聚类的运行过程，k-means 算法本聚类的过程的表述如下：（1）使用 TF-IDF 算计对所有文本进行初始化，设置算法迭代的次以及聚类点的个数 k（2）选取 k 个聚类初始的点。（均匀分开选择，如 k=3，文件总数count * 10 / 3 (0<=count<k),则选取的点为 0,3,6）（3）分别算出各个文件与 k 个聚类点的相似度，并从中选取相似度聚类点作为该文件的聚类集。（4）根据聚类在每个聚类点的所有文件的词语的 TF-IDF 值的平均来聚类集的新的聚类点。（5）执行 3、4 步，一共迭代 num 次。在对目标进行文本聚类分析的方面，k-means 是较为经典的算法之一出现的很多新型的聚类算法都是在此基础上的拓展和优化。由于该算法对聚类过程简单并且快速，有着很高的效率，因此，在对海量数据进行聚类
【参考文献】：
期刊论文
[1]一种Dubbo框架的授权认证方案[J]. 范迪,朱志祥. 计算机技术与发展. 2017(11)
[2]Dubbo服务框架技术在学习系统开发中的应用与实践[J]. 李磊,李娟. 计算机系统应用. 2017(06)
[3]创客教育的课程观[J]. 陈刚,石晋阳. 中国电化教育. 2016(11)
[4]我国创客教育的实施路径探析[J]. 王米雪,张立国,郑志高. 现代教育技术. 2016(09)
[5]“互联网+”对创客空间发展的影响研究[J]. 凌敏,吕少波. 创新科技. 2016(06)
[6]基于创客空间的高校图书馆服务创新研究[J]. 刘红菊. 河北科技图苑. 2016(03)
[7]深入探索Shiro权限框架的体系结构和实际应用[J]. 荣艳冬,冯建平. 电脑知识与技术. 2015(22)
[8]中文专利文档关键词自动提取方法研究进展[J]. 马运运,孙志一,刘海波,彭勇. 世界科学技术-中医药现代化. 2015(01)
[9]基于SSH2与Apache Shiro整合的代码生成器的研究[J]. 刘铁行,及俊川,任玉平. 科研信息化技术与应用. 2013(04)
[10]基于Spring的MVC框架设计与实现[J]. 张宇,王映辉,张翔南. 计算机工程. 2010(04)
硕士论文
[1]基于Spring和Hibernate框架的网上购物系统的设计与实现[D]. 汪大鹏.武汉邮电科学研究院 2017
[2]基于改进哈夫曼编码的大规模动态图可达查询方法研究[D]. 李正道.辽宁大学 2016
[3]创客教育课程设计模式研究[D]. 刘晓丹.华东师范大学 2016
[4]TF-IDF与规则结合的中文关键词自动抽取研究[D]. 牛萍.大连理工大学 2015
[5]蚁群与K均值聚类算法融合研究及其在用户分群中的应用[D]. 刘婵.西南科技大学 2015
[6]PostgreSQL数据库中SSD缓存模块的设计与实现[D]. 王冠鹏.北京邮电大学 2015
[7]基于云计算的并行K-means气象数据挖掘研究与应用[D]. 潘吴斌.南京信息工程大学 2013
[8]基于PostgreSQL的海量数据存储管理[D]. 吴亮.中南大学 2005
本文编号：2930482
【文章来源】：东华大学上海市 211工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
数据在图2-4中，通过对数据源的统计，
图 2-6 RLE 数据编码过程如上图 1 所示，RLE 在压缩数据时，通过统计数字出现的次数，其中 98 出现了 8 次，那么在编码的时候，就会将该重复段使用标识字节(#)+重复次数(8)+重复单元(98)来替代。而在解码的时候，解码器解析到标识字节(#)就会知道后面两个单元对应的含义，进而成功地完成解码工作。从上述对该算法的描述中可知，算法会用特殊标记符号加上单元的重复次数以及重复单元来替换原来的连续重复段，由于新的编码会占据源数据的 3 个位置。因此，当某个重复单元在连续段中的重复次数小于 3 时，对该数据进行行程长度编码反而会使得原串的长度增加。而当连续的重复次数大于或等于 3 时，使用该算法编码会使得原串长度缩减。有上述描述可知，某个连续段编码后减少的长度为： 0(0oldLength3)oldLength-3(3)lengtholdLength（3）其中 oldLength 表示的时某个单元在该连续段中的重复次数。由此可得出该段压缩率为:
图 2-7 算法运行过程结合上述的 TF-IDF 以及图 2-7 算法聚类的运行过程，k-means 算法本聚类的过程的表述如下：（1）使用 TF-IDF 算计对所有文本进行初始化，设置算法迭代的次以及聚类点的个数 k（2）选取 k 个聚类初始的点。（均匀分开选择，如 k=3，文件总数count * 10 / 3 (0<=count<k),则选取的点为 0,3,6）（3）分别算出各个文件与 k 个聚类点的相似度，并从中选取相似度聚类点作为该文件的聚类集。（4）根据聚类在每个聚类点的所有文件的词语的 TF-IDF 值的平均来聚类集的新的聚类点。（5）执行 3、4 步，一共迭代 num 次。在对目标进行文本聚类分析的方面，k-means 是较为经典的算法之一出现的很多新型的聚类算法都是在此基础上的拓展和优化。由于该算法对聚类过程简单并且快速，有着很高的效率，因此，在对海量数据进行聚类
【参考文献】：
期刊论文
[1]一种Dubbo框架的授权认证方案[J]. 范迪,朱志祥. 计算机技术与发展. 2017(11)
[2]Dubbo服务框架技术在学习系统开发中的应用与实践[J]. 李磊,李娟. 计算机系统应用. 2017(06)
[3]创客教育的课程观[J]. 陈刚,石晋阳. 中国电化教育. 2016(11)
[4]我国创客教育的实施路径探析[J]. 王米雪,张立国,郑志高. 现代教育技术. 2016(09)
[5]“互联网+”对创客空间发展的影响研究[J]. 凌敏,吕少波. 创新科技. 2016(06)
[6]基于创客空间的高校图书馆服务创新研究[J]. 刘红菊. 河北科技图苑. 2016(03)
[7]深入探索Shiro权限框架的体系结构和实际应用[J]. 荣艳冬,冯建平. 电脑知识与技术. 2015(22)
[8]中文专利文档关键词自动提取方法研究进展[J]. 马运运,孙志一,刘海波,彭勇. 世界科学技术-中医药现代化. 2015(01)
[9]基于SSH2与Apache Shiro整合的代码生成器的研究[J]. 刘铁行,及俊川,任玉平. 科研信息化技术与应用. 2013(04)
[10]基于Spring的MVC框架设计与实现[J]. 张宇,王映辉,张翔南. 计算机工程. 2010(04)
硕士论文
[1]基于Spring和Hibernate框架的网上购物系统的设计与实现[D]. 汪大鹏.武汉邮电科学研究院 2017
[2]基于改进哈夫曼编码的大规模动态图可达查询方法研究[D]. 李正道.辽宁大学 2016
[3]创客教育课程设计模式研究[D]. 刘晓丹.华东师范大学 2016
[4]TF-IDF与规则结合的中文关键词自动抽取研究[D]. 牛萍.大连理工大学 2015
[5]蚁群与K均值聚类算法融合研究及其在用户分群中的应用[D]. 刘婵.西南科技大学 2015
[6]PostgreSQL数据库中SSD缓存模块的设计与实现[D]. 王冠鹏.北京邮电大学 2015
[7]基于云计算的并行K-means气象数据挖掘研究与应用[D]. 潘吴斌.南京信息工程大学 2013
[8]基于PostgreSQL的海量数据存储管理[D]. 吴亮.中南大学 2005
本文编号：2930482
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/2930482.html
