当前位置:主页 > 科技论文 > 软件论文 >

面向智慧校园的精细化动态信息推荐系统设计与实现

发布时间:2022-11-06 18:59
  教育信息化的建设随着信息技术的发展有了显著成效,智慧校园作为一种全新的教育环境,在建设教育信息化中承担着重要的角色。然而,随着越来越多的技术融入到智慧校园中,校园逐渐成为了一个信息繁杂的区域,不仅造成了信息浪费,还会由于信息过量而影响在校师生的日常生活和学习,这使得智慧校园的发展步入了校园信息化发展过快和校园信息冗余的两难之地。因此,如何有效利用校园信息,使校园信息能够在其有效时期内充分发挥其有效价值,进一步提升信息利用率,同时可以满足教育信息化的建设,满足智慧校园的发展,满足在校师生的日常需求,是智慧校园建设过程中亟待解决的迫切难题。本文利用信息推荐系统在信息处理及信息推荐方面的优势,设计并开发一种面向智慧校园的精细化动态信息推荐系统。通过协同过滤的思想将校园信息以权重分配的结果以及在校师生的需求做出适当推荐;同时,利用室内室外定位技术来进一步确定用户当下所处的校园环境、建筑物名称、具体楼层甚至精确至具体教室,进一步将用户的需求与用户所处的具体环境相结合,使推荐信息更贴合用户的需求。主要研究工作及成果包括:改进了一种基于K-means聚类的WLAN室内三维定位算法。为了解决由于室内定... 

【文章页数】:79 页

【学位级别】:硕士

【文章目录】:
摘要
Abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 研究现状
        1.2.1 室内定位技术的研究现状
        1.2.2 基于位置服务的信息推荐技术的研究现状
    1.3 本文主要工作
    1.4 论文组织结构
    1.5 本章小结
第二章 一种基于K-means聚类的WLAN室内三维定位算法
    2.1 引言
    2.2 WiFi室内指纹定位算法介绍
        2.2.1 位置指纹数据库
        2.2.2 在线定位阶段的定位算法
    2.3 基于K-means聚类的ER加权定位算法(k-ER)
        2.3.1 指纹数据库的建立与预处理
        2.3.2 相似度计算
        2.3.3 K-ER算法流程
    2.4 算法测试及结果分析
        2.4.1 实验设置
        2.4.2 AP信号稳定性测试
        2.4.3 基于K-means的指纹数据库
        2.4.4 ?调节参数的最优取值
        2.4.5 K-ER算法性能测试
    2.5 本章小结
第三章 一种基于权重矩阵的协同过滤推荐算法的相似度度量方法
    3.1 引言
    3.2 协同过滤推荐算法介绍
        3.2.1 协同过滤算法概况
        3.2.2 协同过滤算法工作原理
    3.3 基于权重矩阵的协同过滤算法
        3.3.1 权重矩阵描述及权重计算
        3.3.2 基于权重矩阵的相似度度量方法
    3.4 算法测试
        3.4.1 实验设置
        3.4.2 实验分析
    3.5 本章小结
第四章 面向智慧校园的推荐系统的设计与实现
    4.1 系统功能分析
    4.2 系统设计
        4.2.1 系统构架设计
        4.2.2 前台系统功能的设计
        4.2.3 后台数据及算法运行流程
        4.2.4 数据库的设计
    4.3 系统实现
        4.3.1 客户端的实现
        4.3.2 网络请求和服务器的搭建
    4.4 系统核心运算机制
    4.5 系统展示及结果分析
        4.5.1 室外定位及信息推荐
        4.5.2 室内定位及信息推荐
    4.6 本章小结
第五章 总结与展望
    5.1 论文工作总结
    5.2 今后工作展望
参考文献
攻读学位期间发表论文和研究成果
致谢


【参考文献】:
期刊论文
[1]教育信息化2.0时代优质数字教育资源普及模式探究——以广东省数字教材规模化应用调研为例[J]. 彭雪庄.  中国电化教育. 2018(09)
[2]基于百度地图API的旅游系统实现[J]. 刘策.  科技风. 2018(26)
[3]基于地理位置的信息推荐专利分析[J]. 李玲,田静.  中国科技信息. 2018(12)
[4]填补法和改进相似度相结合的协同过滤算法[J]. 邢长征,金媛.  计算机应用研究. 2019(06)
[5]一种改进的位置指纹定位算法[J]. 吴雨,杨力,孔港港.  导航定位学报. 2017(04)
[6]改进指纹强度下的WiFi室内定位算法[J]. 张宝军,杨凡,杨强强.  电视技术. 2017(Z1)
[7]基于K近邻法的WiFi定位研究与改进[J]. 吴泽泰,蔡仁钦,徐书燕,吴小思,傅予力.  计算机工程. 2017(03)
[8]WiFi/PDR室内分层三维定位技术[J]. 贺磊南,卢虎,姬正洲.  西安电子科技大学学报. 2017(04)
[9]一种基于位置服务信息的移动推荐模型[J]. 申园园,余文.  计算机应用与软件. 2016(12)
[10]一种基于位置指纹定位的K-均值聚类算法的改进[J]. 孔港港,杨力,孙聃石,吴雨.  全球定位系统. 2016(05)

博士论文
[1]信息推荐系统中的协同过滤技术研究[D]. 尹航.东北大学 2012

硕士论文
[1]基于位置社交信息和群组的地点推荐算法研究与实现[D]. 柳天闻.北京邮电大学 2018
[2]大学生智能手机APP使用状况调查分析[D]. 申一.河北经贸大学 2018
[3]基于位置的社交网络兴趣点推荐策略研究[D]. 陈志朋.浙江工商大学 2018
[4]基于用户行为的协同过滤算法研究[D]. 林皓.西北大学 2017
[5]基于位置指纹的WIFI定位技术研究[D]. 李慧杰.宁夏大学 2017
[6]智慧校园个性化推送系统研究[D]. 姜晓梅.华中师范大学 2017
[7]基于位置的协同过滤推荐方法研究[D]. 陈丹阳.哈尔滨工程大学 2017
[8]基于Android的室内WiFi定位应用程序的开发与研究[D]. 梁世雄.内蒙古大学 2017
[9]基于WLAN的室内定位技术研究[D]. 谭仕昌.华南农业大学 2016
[10]基于Android的室内WiFi定位系统设计与实现[D]. 王阳.南京大学 2016



本文编号:3704045

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3704045.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户3aed4***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com