基于校园一卡通消费数据的学生行为分析研究与应用

发布时间：2025-01-14 18:23

　　为了更好地挖掘出隐藏在学生一卡通消费行为中的隐含知识,辅助学校、老师和学生工作管理人员更精准地决策,本文设计并实现了一卡通消费行为分析系统。为了使系统能够更加高效和准确,使用了数理统计和数据挖掘两种数据分析方法,来对一卡通消费数据进行数据挖掘分析,探索学生一卡通消费行为规律以及消费行为同生活、学习、就业和安全之间的潜在联系。具体如下:1.设计了PVW-Kmeans算法,用于系统的聚类分析引擎模块,该算法在K-means算法基础上做了三方面的改进,获得了更好的聚类效果。具体包括:(1)基于泰森多边形的改进,能够更准确地选取初始聚类中心点和确定初始聚类数目;(2)基于加权平均值的改进,能够更准确地区分每个数据对象和更快地把数据对象聚类;(3)基于主成分分析法的改进,能够把多维的一卡通消费行为特征属性降维。使用PVW-Kmeans算法对学生消费行为进行聚类分析,在辅助贫困生认定上将改进的PVW-Kmeans算法同K-means和K-means++算法做了实验对比分析,验证了PVW-Kmeans算法的高效性和准确性。2.设计了WMDE-Apriori算法,用于系统的关联分析引擎模块,该算法在Ap...

【文章页数】：112 页

【学位级别】：硕士

【部分图文】：

图2-1类描述的操作流程图

第二章研究理论基础7第二章研究理论基础本文的研究理论基础是数据挖掘，数据挖掘就是从实际应用数据中提取信息和知识的过程。数据挖掘有两个特点：(1)实际应用数据具有数据量大、信息不完全、有噪声、模糊、随机性的特点；(2)挖掘的信息和知识是隐含的、未知的、潜在有价值的[44]。2.1数....

图2-2分类的操作流程图

电子科技大学硕士学位论文8规则挖掘可以从大型数据库中找出比较隐晦的对象之间暗含的关系。经典的关联规则挖掘案例是“啤酒与尿布”，关联规则挖掘最具代表性且最常用的关联规则分析方法之一是Apriori算法。2.1.3分类和回归分类和回归的相同之处在于都使用预测法实现数据挖掘的任务，区别....

图2-3数据挖掘过程

第二章研究理论基础9是离群点。在数据挖掘过程中，离群点被认为是数据噪音而直接删除，但在实际应用中，离群点可能存在巨大的价值。对离群点的分析与探测称为离群点分析。2.1.6序列模式分析随着时间的变化，数据对象之间的关系也发生相应变化，这就是数据对象的序列模式。通过对这种变化进行建模....

图2-4数据准备

第二章研究理论基础9是离群点。在数据挖掘过程中，离群点被认为是数据噪音而直接删除，但在实际应用中，离群点可能存在巨大的价值。对离群点的分析与探测称为离群点分析。2.1.6序列模式分析随着时间的变化，数据对象之间的关系也发生相应变化，这就是数据对象的序列模式。通过对这种变化进行建模....

本文编号：4027007