基于校园网的用户行为分析研究
发布时间：2021-08-27 16:38
随着互联网的快速发展和教育信息化建设的不断推进,校园网作为一个为校园师生提供教学、科研、交流的重要平台,已经成为衡量高校现代化和信息化建设的重要指标。然而随着校园网规模的不断扩大,校园网用户人数的不断增多,校园网也带来了一些负面的影响。比如有些学生过于的沉溺于网络之中,耗费了大量的时间精力,占用了大量的带宽。因此进行校园网用户行为分析是非常必要的。本文在昆明医科大学校园网基础上,以校园网后台计费服务器的数据库作为数据源,在SQL Server2008的平台之上,首先对校园网数据进行了数据预处理,并进行数据分类（办公用户和学生用户）；然后对上线总数的分布和连接时长分布等特征进行了统计分析；接着对每天的在线人数,使用流量等具体数据进行了分类统计；最后统计了平均每天总的在线时长10小时以上的学生宿舍用户。在Microsoft Visual Studio的平台上,建立了聚类分析的数据挖掘模型,实现过程采用的是K-means算法。挖掘过程中以IP地址作为聚类分析的唯一关键字,将数据分为了5类,并通过钻取数据对分类5的用户群进行了进一步分析。同时结合上网行为管理对校园网的学生上网管理提出了几点具体...
【文章来源】：云南大学云南省 211工程院校
【文章页数】：57 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
目录
第一章 绪论
1.1 高校校园网网络现状
1.1.1 校园网规模
1.1.2 校园网的特点及面临的主要问题
1.2 国内外研究现状
1.3 本文的研究内容和文章结构
1.3.1 本文研究内容
1.3.2 文章结构
第二章 相关知识介绍
2.1 用户行为分析概论
2.1.1 网络用户的概念及分类
2.1.2 用户行为分析的概念及分类
2.2 数据挖掘概论
2.2.1 数据挖掘的概念
2.2.2 数据挖掘的功能
2.2.3 数据挖掘的主要方法
2.2.4 数据挖掘系统与工具
2.2.5 数据挖掘的发展前景
2.3 数据预处理
2.3.1 数据预处理的概念
2.3.2 数据预处理的方法
2.4 聚类分析及相关分析技术
2.4.1 聚类分析的概念
2.4.2 主要的聚类方法
第三章 校园网用户行为分析系统
3.1 整体概述
3.2 数据分析系统及分析工具
3.3 数据源及数据选择
3.4 数据内容
3.5 数据预处理
第四章 校园网数据统计分析
4.1 上线总数的分布情况
4.2 连接时长统计分析
4.3 每天的统计情况
4.3.1 每天在线人数统计
4.3.2 每天流量使用统计
4.3.3 每天连接时间的统计
4.4 工作日和周末的网络活动对比
4.5 学生异常网络行为统计
第五章 基于K-means算法的校园网用户行为分析研究
5.1 K-means算法及处理过程
5.2 建立数据挖掘模型
5.2.1 数据源选择
5.2.2 建立数据挖掘模型
5.2.3 设置算法参数
5.2.4 生成挖掘模型
5.3 聚类结果以及结果分析
5.3.1 聚类结果
5.3.2 结果分析
5.3.3 分类5的具体分析
5.4 学生上网行为管理
5.4.1 学生上网管理措施
5.4.2 网络控制措施
第六章 总结与展望
6.1 研究工作总结
6.2 后续工作与展望
致谢
参考文献
【参考文献】：
期刊论文
[1]高校图书馆如何引导大学生规范使用网络[J]. 陈万梅. 科技文献信息管理. 2012(04)
[2]基于决策树的网络流量分类方法[J]. 于孝美,陈贞翔,彭立志. 济南大学学报(自然科学版). 2012(03)
[3]论数据挖掘的发展前景及潜在价值[J]. 罗艳,何建东,李久丹. 大众科技. 2012(04)
[4]大学生网络学习行为差异分析及对策研究[J]. 王凤基. 长春工业大学学报(高教研究版). 2012(01)
[5]聚类分析研究中的若干问题[J]. 王骏,王士同,邓赵红. 控制与决策. 2012(03)
[6]大学生上网行为管理及引导对策[J]. 柴正武. 山东女子学院学报. 2012(01)
[7]浅谈上网行为管理[J]. 植仲芬. 中国西部科技. 2011(08)
[8]基于K-means聚类算法的校园网用户行为分析研究[J]. 丁青,周留根,朱爱兵,张义东. 微计算机应用. 2010(06)
[9]大学生网络成瘾行为及危害分析研究[J]. 徐哲. 科技信息. 2009(21)
[10]神经网络数据挖掘算法的研究与应用[J]. 张美虎. 扬州职业大学学报. 2009(02)
博士论文
[1]大学生网瘾成因及防治方法体系研究[D]. 李超民.中南大学 2012
[2]网络用户行为分析的若干问题研究[D]. 刘鹏.北京邮电大学 2010
硕士论文
[1]基于校园网海量访问日志的用户行为分析[D]. 杜杰.大连海事大学 2012
[2]基于校园网的网络行为用户分析研究[D]. 施洪贞.云南大学 2012
[3]基于校园网的用户行为分析系统的设计与实现[D]. 沈麒.苏州大学 2011
[4]数据挖掘聚类算法研究[D]. 张昭涛.西南交通大学 2005
本文编号：3366712
【文章来源】：云南大学云南省 211工程院校
【文章页数】：57 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
目录
第一章 绪论
1.1 高校校园网网络现状
1.1.1 校园网规模
1.1.2 校园网的特点及面临的主要问题
1.2 国内外研究现状
1.3 本文的研究内容和文章结构
1.3.1 本文研究内容
1.3.2 文章结构
第二章 相关知识介绍
2.1 用户行为分析概论
2.1.1 网络用户的概念及分类
2.1.2 用户行为分析的概念及分类
2.2 数据挖掘概论
2.2.1 数据挖掘的概念
2.2.2 数据挖掘的功能
2.2.3 数据挖掘的主要方法
2.2.4 数据挖掘系统与工具
2.2.5 数据挖掘的发展前景
2.3 数据预处理
2.3.1 数据预处理的概念
2.3.2 数据预处理的方法
2.4 聚类分析及相关分析技术
2.4.1 聚类分析的概念
2.4.2 主要的聚类方法
第三章 校园网用户行为分析系统
3.1 整体概述
3.2 数据分析系统及分析工具
3.3 数据源及数据选择
3.4 数据内容
3.5 数据预处理
第四章 校园网数据统计分析
4.1 上线总数的分布情况
4.2 连接时长统计分析
4.3 每天的统计情况
4.3.1 每天在线人数统计
4.3.2 每天流量使用统计
4.3.3 每天连接时间的统计
4.4 工作日和周末的网络活动对比
4.5 学生异常网络行为统计
第五章 基于K-means算法的校园网用户行为分析研究
5.1 K-means算法及处理过程
5.2 建立数据挖掘模型
5.2.1 数据源选择
5.2.2 建立数据挖掘模型
5.2.3 设置算法参数
5.2.4 生成挖掘模型
5.3 聚类结果以及结果分析
5.3.1 聚类结果
5.3.2 结果分析
5.3.3 分类5的具体分析
5.4 学生上网行为管理
5.4.1 学生上网管理措施
5.4.2 网络控制措施
第六章 总结与展望
6.1 研究工作总结
6.2 后续工作与展望
致谢
参考文献
【参考文献】：
期刊论文
[1]高校图书馆如何引导大学生规范使用网络[J]. 陈万梅. 科技文献信息管理. 2012(04)
[2]基于决策树的网络流量分类方法[J]. 于孝美,陈贞翔,彭立志. 济南大学学报(自然科学版). 2012(03)
[3]论数据挖掘的发展前景及潜在价值[J]. 罗艳,何建东,李久丹. 大众科技. 2012(04)
[4]大学生网络学习行为差异分析及对策研究[J]. 王凤基. 长春工业大学学报(高教研究版). 2012(01)
[5]聚类分析研究中的若干问题[J]. 王骏,王士同,邓赵红. 控制与决策. 2012(03)
[6]大学生上网行为管理及引导对策[J]. 柴正武. 山东女子学院学报. 2012(01)
[7]浅谈上网行为管理[J]. 植仲芬. 中国西部科技. 2011(08)
[8]基于K-means聚类算法的校园网用户行为分析研究[J]. 丁青,周留根,朱爱兵,张义东. 微计算机应用. 2010(06)
[9]大学生网络成瘾行为及危害分析研究[J]. 徐哲. 科技信息. 2009(21)
[10]神经网络数据挖掘算法的研究与应用[J]. 张美虎. 扬州职业大学学报. 2009(02)
博士论文
[1]大学生网瘾成因及防治方法体系研究[D]. 李超民.中南大学 2012
[2]网络用户行为分析的若干问题研究[D]. 刘鹏.北京邮电大学 2010
硕士论文
[1]基于校园网海量访问日志的用户行为分析[D]. 杜杰.大连海事大学 2012
[2]基于校园网的网络行为用户分析研究[D]. 施洪贞.云南大学 2012
[3]基于校园网的用户行为分析系统的设计与实现[D]. 沈麒.苏州大学 2011
[4]数据挖掘聚类算法研究[D]. 张昭涛.西南交通大学 2005
本文编号：3366712
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3366712.html
