基于校园多域融合数据的学生成绩及社交性分析

发布时间：2021-08-09 07:03

　　大数据挖掘技术和人工智能算法的不断完善与快速发展,为我们从海量数据当中挖掘出具有重大价值的信息和揭示事物发展潜在的规律奠定了良好的基础。无线网络技术的发展使得Wi-Fi网络设备的成本逐步降低,覆盖范围越来越广,加之无线网络接入的便捷性使人们对手持移动设备和无线网络的依赖性日益突出。此外,随着智慧校园等项目的大力开展,我们可以很轻松地获取校园人群产生的丰富数据。学生的学习质量是高校的生命线,因此高校学生的教务管理是学校管理的重中之重。教育大数据领域的研究已经成为人们研究的热点内容。本论文采用Wi-Fi数据定位技术、轨迹数据挖掘算法、社交网络分析方法以及机器学习分类预测算法,基于校园多域融合数据建立模型对学生成绩与社交性进行分析。首先,根据多域数据融合相关的理论,将包括Wi-Fi探针数据,校园网络数据以及校园卡消费数据在内的多域数据进行有机融合保证了实验结果的客观性与准确性,并从融合后的数据中提取学生轨迹,对数据融合前后学生轨迹数据的稀疏性进行了对比。接着,分别进行了学生社交与成绩关联性分析以及学业成绩的分析与预测。基于学生轨迹数据定义并计算不同学生之间的社交相似度,构建学生社交网络并对学... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图１－１总体研究框图??多域数据采集与融合：采集包括校园Ｗｉ－Ｆｉ探针数据、校园网关数据、校园卡消??费数据、学生课表数据以及学生成绩排名在内的多域校园数据

门的大力支持与帮助下，我们获取了每个学生每天使其格式如公式（２－２）：??ｒｄ?—?｛ｓｔｕｄｅｎｔＩＤ，ＩＰ，ＬｏｇｉｎＴｉｍｅ，ＬｏｇｏｕｔＴｉｍｅ，Ｆｌｏｗ｝Ｄ表示学生的学号，／Ｐ地址可以反映该学生登陆校园楼宇，还未精确到房间，Ｚｏｇ／＾Ｔ／ｗｅ表示登录校园出校园网的时间，Ｆ／ｏｗ表不该学生在登录时间内上网流量和下载流量。??获取了如下数据，其格式如公式（２－３）：??ｅｃｏｒｄ?＝?｛ＭＡＣ，ＩＰ，ＤｅｖｉｃｅＮａｍｅ，ＤｅｖｉｃＴｙｐｅ，Ｔｎｎｅ｝登录校园网络的移动设备硬件信息和登录／Ｐ等。Ｍ４Ｃ示登录校园网络的／Ｐ地址；Ｄｅｖ／ｃｅｉＶａｍｅ表示登录设名，也可以自行进行设定；表示登录设备

掘目标一致、精确、有意义的描述。采用传统多域数据融合技术进行数据融合就是分??别提取不同数据集的模式映射将这各个数据集整合到一起，形成一个完整的大数据集，??传统多域数据融合的过程如图２－３所示。?????＊＂＊＂???４?财舰?｜???＾?￣？ｌ＆ｌｉｒ?—？卜挪》１￣￣ｊ?数＿合并???—＞｜?财賴?１???图２－３传统多域数据融合示意图??大数据领域的多域数据通常包括不同领域产生的多种数据集，每个数据集之间通??过同一个潜在目标得以连接。例如，一个城市的交通状况，重要位置信息，人口数量??等都是对这个城市整体情况的潜在描述，但是它们又是来自于三个不同领域的数据集。??表面上看，这三个数据集分别来自三个不同的领域是对交通、城市位置、城市人口三??方面的描述，很难通过数据整合将它们进行融合，但是我们通过相应的方法从这三个??数据集中提取与最终目标的一致信息，并将这些信息有机融合共同完成对城市的多方??面描述，该数据融合过程如图２－４所示。??〈域?ａ?）———？信息抽取—???（ｇ｜）－（?ｍＢ?）￣—＞丨


本文编号：3331612