基于数据挖掘的大学生涯规划专家系统的研究与实现

发布时间：2022-05-08 10:34

　　在网络时代的大背景下,社会计算机化和功能强大的数据收集存储工具的快速发展带来了数据爆炸式的增长,而数据的迅速增长、广泛使用和海量存储使我们从信息时代步入了大数据时代。随着我国高等教育的不断推进,大学毕业生的数量不断增加,随之而来的是需就业人群的增加。高校学生的就业形势非常严峻,但是很多高校缺乏对大学生学业和就业方面客观而系统的指导。根据上述的应用背景,本文提出了基于数据挖掘的大学生涯规划专家系统这一研究课题。在研究了数据挖掘技术、专家系统技术和大学生就业方面国内外学术成果的基础上,总结出了使用数据挖掘技术对已经毕业学生的行为数据进行挖掘,找出隐藏在数据背后的知识,并将这些知识运用在对在校学生的生涯规划指导工作上的设计思路。本文针对系统算法完成了以下工作:（1）对数据挖掘和专家系统等相关技术国内外研究的情况进行了阐述,并从系统需求、系统技术和系统性能的角度对系统进行了详尽的分析。（2）根据系统技术分析,提出了先聚类后分类的策略来实现实现系统的数据挖掘算法。使用Canopy算法对k-means算法进行预处理,提高了聚类算法的准确度和性能,然后在改进的聚类算法的基础上,结合数据预处理技术和真... 

【文章页数】：97 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 项目背景与意义
    1.2 国内外研究状况
        1.2.1 数据挖掘技术国内外研究状况
        1.2.2 专家系统国内外研究状况
    1.3 论文的结构安排
第二章 系统分析
    2.1 系统需求分析
        2.1.1 前台业务功能分析
        2.1.2 后台管理功能分析
    2.2 系统技术分析
        2.2.1 专家系统技术
        2.2.2 数据挖掘技术
        2.2.3 系统软件技术
        2.2.4 系统算法分析
    2.3 系统性能分析
    2.4 本章小结
第三章 专家系统核心算法研究与实现
    3.1 算法研究基础
        3.1.1 k-均值算法
        3.1.2 k-均值算法分析
        3.1.3 C4.5 算法
        3.1.4 C4.5 算法分析
    3.2 知识库核心算法研究与实现
        3.2.1 Canopy算法研究
        3.2.2 基于Canopy算法预处理的改进k-means算法
        3.2.3 Canopy_k-means算法性能分析
        3.2.4 系统数据预处理
        3.2.5 知识库和知识获取机制的构建
    3.3 推理机核心算法研究与实现
        3.3.1 C4.5 算法的改进
        3.3.2 基于改进C4.5 算法的推理机实现
        3.3.3 就业指导功能推理结果分析
        3.3.4 与传统学生就业指导方法的对比
    3.4 本章小结
第四章 系统设计与实现
    4.1 系统总体设计
    4.2 系统功能设计
        4.2.1 注册和登录功能设计
        4.2.2 用户信息维护功能设计
        4.2.3 信息查询功能设计
        4.2.4 生涯规划功能设计
        4.2.5 信息发布功能设计
        4.2.6 课程信息管理功能设计
        4.2.7 教师信息管理功能
        4.2.8 权限管理功能设计
    4.3 系统数据层设计
        4.3.1 数据库总体设计
        4.3.2 数据表设计
    4.4 系统实现概述
    4.5 系统功能实现
        4.5.1 注册登录模块实现
        4.5.2 用户信息维护功能实现
        4.5.3 学生信息查询功能实现
        4.5.4 校园事务功能实现
        4.5.5 生涯规划功能实现
        4.5.6 系统信息功能实现
        4.5.7 学生管理功能实现
        4.5.8 院系管理功能实现
        4.5.9 系统信箱功能实现
        4.5.10 系统高级管理员功能实现
    4.6 本章小结
第五章 系统测试
    5.1 系统测试环境
        5.1.1 系统硬件测试环境
        5.1.2 系统软件测试环境
    5.2 系统功能测试
        5.2.1 注册登录功能测试
        5.2.2 前台业务功能测试
        5.2.3 后台管理功能测试
    5.3 系统性能测试
        5.3.1 服务器负载测试
        5.3.2 服务器压力测试
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻读硕士学位期间取得的成果


【参考文献】：
期刊论文
[1]知识库构建工具软件的设计与实现[J]. 胡艺耀,朱斌,张伟,何畏,沈平生.  工程设计学报. 2018(04)
[2]一种基于Canopy和粗糙集的CRS-KNN文本分类算法[J]. 姚彬修,倪建成,于苹苹,曹博,李淋淋.  计算机工程与应用. 2017(11)
[3]K-Canopy:一种面向话题发现的快速数据切分算法[J]. 陈强,杜攀,陈海强,包秀国,刘悦,程学旗.  山东大学学报(理学版). 2016(09)
[4]决策树C4.5算法的优化与应用[J]. 苗煜飞,张霄宏.  计算机工程与应用. 2015(13)
[5]智能电网大数据技术发展研究[J]. 张东霞,苗新,刘丽平,张焰,刘科研.  中国电机工程学报. 2015(01)
[6]大数据系统综述[J]. 李学龙,龚海刚.  中国科学:信息科学. 2015(01)
[7]大数据下的机器学习算法综述[J]. 何清,李宁,罗文娟,史忠植.  模式识别与人工智能. 2014(04)
[8]网络大数据:现状与展望[J]. 王元卓,靳小龙,程学旗.  计算机学报. 2013(06)
[9]基于故障树的电梯故障诊断专家系统设计[J]. 宗群,李光宇,郭萌.  控制工程. 2013(02)
[10]基于云计算的海量数据挖掘研究[J]. 贺瑶,王文庆,薛飞.  计算机技术与发展. 2013(02)

博士论文
[1]IT项目组合智能协同管理方法研究[D]. 王沁.北京科技大学 2018
[2]大数据的教育领域应用之研究[D]. 张燕南.华东师范大学 2016
[3]大数据的社会价值与战略选择[D]. 张兰廷.中共中央党校 2014
[4]基于关联规则与决策树的预测方法研究及其应用[D]. 伊卫国.大连海事大学 2012

硕士论文
[1]基于分类算法的智慧医疗服务系统的设计与实现[D]. 于霄.电子科技大学 2018
[2]两票培训考核专家系统试题筛选方法的研究与应用[D]. 魏子辉.华北电力大学 2018
[3]面向植物工厂的环境调控规则推理技术应用研究[D]. 陈汉群.浙江大学 2018
[4]基于聚类的自适应集成学习方法研究[D]. 张亮.重庆邮电大学 2017
[5]人工智能技术发展的伦理困境研究[D]. 陈晋.吉林大学 2016
[6]大数据时代背景下的数据可视化概念研究[D]. 曾悠.浙江大学 2014
[7]决策树分类算法在银行个人信用评级中的应用[D]. 巩吉璋.暨南大学 2008



本文编号：3651494