大学生一卡通消费行为与成绩的数据挖掘研究分析
发布时间:2021-04-18 10:56
随着一卡通在高校的快速发展,一卡通每日使用次数相当庞大,数据库将一卡通使用次数以数据的形式进行储存。通过对一卡通的使用信息进行分析,可以为校园建设提供指导。虽然已经有研究对这些数据进行分析,但是并没有深入,只是停留在消费数据和消费结构的层面。本次研究通过分析消费与成绩之间的关系,试图找到二者之间的关联性,本次研究的研究课题对于校团委、学生工作处以及教导处均具有非常重要的意义。本次研究对消费习惯的研究主要以早起和吃早饭的情况出发,针对学生的早餐消费数据和成绩数据,探讨大学生成绩与消费之间的联系。从大学一卡通管理系统ORACLE数据库和教务管理系统MS SQL SERVER数据库中提取样本学生的一卡通消费数据和成绩数据,通过数据筛选和数据清洗等预处理方法对这两种数据进行初步鉴别剔除无效和空白的数据,将通过了预处理的数据以关联算法为主,以K-Means++算法对消费数据进行聚类处理,分析二者之间的关联性,得出了相关结论。总结出大学生消费水平和消费习惯,根据结论对高校对学生的日常学校管理提供指导性意见。基于布尔运算和稀疏矩阵思想,对Apriori算法的缺点进行改进,以提高计算消费数据和成绩数据...
【文章来源】:西安科技大学陕西省
【文章页数】:50 页
【学位级别】:硕士
【部分图文】:
数据挖掘实现步骤
类为距离聚类中心最近的样本;3)计算每类样本属性的平均值,并根据计算结果重新构建聚类中心;4)重复以上操作流程,直到获得固定的聚类中心。均值的聚类算法中,簇的平均值更新操作会在每完成一次将数据对象分过程后就进行一次,接着下一次算法会对新的簇平均值进行应用,然后派操作重新进行,这样便能更新每一个簇的的数据对象。迭代重定位的应用的,即此算法会在更新了簇的平均值后对数据对象进行重新分派,值进行一次更新,不断重复此流程,一直到函数收敛停止。所以 K 均值算法只能在球状的数据中进行聚类分析而不能分析凸状的其算法思想。当数据是较为紧凑的并且簇之间具有明显性时 K 均值算外,K 均值算法的思想与爬山算法较为相似,因此其聚类过程容易出现状况,无法满足我们所需求的全局最优,输入参数是造成这个结果的主响因素是完成几个簇的聚类以及初始化的簇中心,局部最优的问题如图
因为学校一天的课程最早就是在上午 8 点钟左右,因此在 7 点 50 分这一时间点之前就餐的同学通常都是赶去上第一节课程的。但是在 7 点 50 分之后就餐的同学我们可以认为其具有不太规律的习惯,因为这可能造成其迟到或者是由于睡懒觉而匆匆赶去上课的情况。当然还有一些不吃早餐的同学就是具有不规律习惯的,因为其可能经常性睡懒觉而不去吃早餐,甚至于早上总是逃课。(2)每一个月我们以三十天来计算,把周末的双休日除去,因为在周末大多数学生都不愿意出门吃早餐,那么一个月还剩下二十二天,当学生在一个月内在七点五十分之前吃早餐的次数不足 15 次时,那么可以认为此学生具有不够规律的消费习惯。因为他们的早起可能只是偶尔的,这样在较大程度上会影响其学习。比如其迟到或者逃课等行为对其学习的影响都是较大的。(3)本次研究在进行分析的过程中,通过综合评估的方式将平均值予以求出,把学生一个月的吃早餐次数计算得出。(4)以前两点的分析方法为依据来划分学生单月吃早餐的次数,可以得到学生的两种消费习惯——规律的与不规律的[35](图 4.1 和图 4.2)。
【参考文献】:
期刊论文
[1]基于智能化数据挖掘获取知识的工艺规划系统研究[J]. 郭渊,许泽银,白琨. 制造技术与机床. 2017(04)
[2]高校学生上网行为分析与数据挖掘研究[J]. 胡祖辉,施佺. 中国远程教育. 2017(02)
[3]基于大数据的计算机数据挖掘技术在档案管理系统中的研究应用[J]. 陈小莉. 激光杂志. 2017(02)
[4]基于数据挖掘技术的计算机网络病毒防御技术探索[J]. 于丽. 现代电子技术. 2016(21)
[5]基于数据挖掘的学生选课及学习行为分析算法研究[J]. 姜永超. 现代电子技术. 2016(13)
[6]基于结构方程模型的大学生低碳消费行为影响因素研究——以扬州大学学生为例[J]. 马晓旭. 消费经济. 2015(06)
[7]国家、地区媒体形象的数据挖掘——基于认知心理学与计算机自然语言处理技术的视角[J]. 葛岩,赵海,秦裕林,陈长阁,何俊涛,徐剑,卢嘉杰,李晓静. 学术月刊. 2015(07)
[8]关联规则在成绩分析中的研究及应用[J]. 顾辉,杨青,蒋成功,张茜. 计算机应用. 2015(S1)
[9]计算机辅助信息分析的技术框架及其发展趋势[J]. 熊志正,官思发,朝乐门. 图书情报工作. 2015(03)
[10]改进的关联规则算法在学生成绩预警中的应用[J]. 王华,刘萍. 计算机工程与设计. 2015(03)
硕士论文
[1]数据挖掘技术在校园一卡通系统中的应用研究[D]. 白萍.兰州理工大学 2017
[2]基于CPS网络的发动机装配过程数据挖掘方法研究[D]. 郑达.合肥工业大学 2017
[3]当前高职学生消费观教育研究[D]. 宾迎.湖南师范大学 2011
[4]关联规则挖掘的改进算法在入侵检测中的应用[D]. 周丽.中南大学 2011
[5]基于一卡通数据的消费行为与成绩的关联性研究分析[D]. 徐剑.南昌大学 2010
[6]关联规则挖掘算法及其在购物篮分析中的应用研究[D]. 刘锡铃.苏州大学 2009
[7]独立学院学生消费心理与行为研究[D]. 黎荆.南昌大学 2009
[8]我国体育院校表演专业学生消费行为的研究[D]. 李静.北京体育大学 2009
[9]安徽国防科技职业学院学生消费行为与消费心理研究[D]. 余波.合肥工业大学 2009
本文编号:3145354
【文章来源】:西安科技大学陕西省
【文章页数】:50 页
【学位级别】:硕士
【部分图文】:
数据挖掘实现步骤
类为距离聚类中心最近的样本;3)计算每类样本属性的平均值,并根据计算结果重新构建聚类中心;4)重复以上操作流程,直到获得固定的聚类中心。均值的聚类算法中,簇的平均值更新操作会在每完成一次将数据对象分过程后就进行一次,接着下一次算法会对新的簇平均值进行应用,然后派操作重新进行,这样便能更新每一个簇的的数据对象。迭代重定位的应用的,即此算法会在更新了簇的平均值后对数据对象进行重新分派,值进行一次更新,不断重复此流程,一直到函数收敛停止。所以 K 均值算法只能在球状的数据中进行聚类分析而不能分析凸状的其算法思想。当数据是较为紧凑的并且簇之间具有明显性时 K 均值算外,K 均值算法的思想与爬山算法较为相似,因此其聚类过程容易出现状况,无法满足我们所需求的全局最优,输入参数是造成这个结果的主响因素是完成几个簇的聚类以及初始化的簇中心,局部最优的问题如图
因为学校一天的课程最早就是在上午 8 点钟左右,因此在 7 点 50 分这一时间点之前就餐的同学通常都是赶去上第一节课程的。但是在 7 点 50 分之后就餐的同学我们可以认为其具有不太规律的习惯,因为这可能造成其迟到或者是由于睡懒觉而匆匆赶去上课的情况。当然还有一些不吃早餐的同学就是具有不规律习惯的,因为其可能经常性睡懒觉而不去吃早餐,甚至于早上总是逃课。(2)每一个月我们以三十天来计算,把周末的双休日除去,因为在周末大多数学生都不愿意出门吃早餐,那么一个月还剩下二十二天,当学生在一个月内在七点五十分之前吃早餐的次数不足 15 次时,那么可以认为此学生具有不够规律的消费习惯。因为他们的早起可能只是偶尔的,这样在较大程度上会影响其学习。比如其迟到或者逃课等行为对其学习的影响都是较大的。(3)本次研究在进行分析的过程中,通过综合评估的方式将平均值予以求出,把学生一个月的吃早餐次数计算得出。(4)以前两点的分析方法为依据来划分学生单月吃早餐的次数,可以得到学生的两种消费习惯——规律的与不规律的[35](图 4.1 和图 4.2)。
【参考文献】:
期刊论文
[1]基于智能化数据挖掘获取知识的工艺规划系统研究[J]. 郭渊,许泽银,白琨. 制造技术与机床. 2017(04)
[2]高校学生上网行为分析与数据挖掘研究[J]. 胡祖辉,施佺. 中国远程教育. 2017(02)
[3]基于大数据的计算机数据挖掘技术在档案管理系统中的研究应用[J]. 陈小莉. 激光杂志. 2017(02)
[4]基于数据挖掘技术的计算机网络病毒防御技术探索[J]. 于丽. 现代电子技术. 2016(21)
[5]基于数据挖掘的学生选课及学习行为分析算法研究[J]. 姜永超. 现代电子技术. 2016(13)
[6]基于结构方程模型的大学生低碳消费行为影响因素研究——以扬州大学学生为例[J]. 马晓旭. 消费经济. 2015(06)
[7]国家、地区媒体形象的数据挖掘——基于认知心理学与计算机自然语言处理技术的视角[J]. 葛岩,赵海,秦裕林,陈长阁,何俊涛,徐剑,卢嘉杰,李晓静. 学术月刊. 2015(07)
[8]关联规则在成绩分析中的研究及应用[J]. 顾辉,杨青,蒋成功,张茜. 计算机应用. 2015(S1)
[9]计算机辅助信息分析的技术框架及其发展趋势[J]. 熊志正,官思发,朝乐门. 图书情报工作. 2015(03)
[10]改进的关联规则算法在学生成绩预警中的应用[J]. 王华,刘萍. 计算机工程与设计. 2015(03)
硕士论文
[1]数据挖掘技术在校园一卡通系统中的应用研究[D]. 白萍.兰州理工大学 2017
[2]基于CPS网络的发动机装配过程数据挖掘方法研究[D]. 郑达.合肥工业大学 2017
[3]当前高职学生消费观教育研究[D]. 宾迎.湖南师范大学 2011
[4]关联规则挖掘的改进算法在入侵检测中的应用[D]. 周丽.中南大学 2011
[5]基于一卡通数据的消费行为与成绩的关联性研究分析[D]. 徐剑.南昌大学 2010
[6]关联规则挖掘算法及其在购物篮分析中的应用研究[D]. 刘锡铃.苏州大学 2009
[7]独立学院学生消费心理与行为研究[D]. 黎荆.南昌大学 2009
[8]我国体育院校表演专业学生消费行为的研究[D]. 李静.北京体育大学 2009
[9]安徽国防科技职业学院学生消费行为与消费心理研究[D]. 余波.合肥工业大学 2009
本文编号:3145354
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3145354.html