网上填报志愿系统分析及智能辅助模型研究

发布时间：2024-06-30 21:42

　　从网上填报志愿系统的全面分析中,抽离出用户权限、数据权限等各个模块的实现机制。锁服务机制是从系统层面来保障填报志愿过程安全、高效运行的一种安全防护机制。高频事务处理数据引擎以高效的事务调度对突发式冲击流量的平抑,突破了峰值写数据的技术瓶颈。通过对网上填报志愿系统业务模型和技术模型的全面分析,为新高考综合改革下的志愿数据采集工作,做好业务与技术优化的储备。通过对网上填报志愿系统与普通高校招生录取系统中多维混合型属性的关联分析,辨析系统之间的数据转换模式,抽离出填报志愿智能辅助模型的业务模式。通过招生业务的专业性视角与科学方法相结合的方式完成数据采样,以聚类、回归、分类等数据挖掘算法完成填报志愿智能辅助模型的技术模型研究。对同批次、同科类等业务类型组合下多维属性的历史数据,以模糊C均值聚类算法对院校及其专业进行分组。以稀疏多元线性回归算法建立院校投档分数线及其专业录取分数线的数学预测模型。以基于规则的分类算法对院校及其专业进行分组匹配。根据考生输入的先导性分类属性确定院校及其专业的分组,通过分组对应的数学模型实现院校投档分数线及其专业录取分数线的趋势性预估,为考生合理化填报志愿起到辅助性参...

【文章页数】：50 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 本文研究内容
    1.4 本文组织结构
第2章 系统分析及业务模型设计
    2.1 高校招生录取系统投档机制
    2.2 网上填报志愿系统技术分析
        2.2.1 技术架构
        2.2.2 专有技术
    2.3 网上填报志愿系统业务分析
    2.4 智能辅助模型业务模型设计
第3章 应用算法介绍
    3.1 多元线性回归算法
        3.1.1 多元线性回归的概念
        3.1.2 多元线性回归的模型表示
        3.1.3 相关概念与算法
    3.2 最小二乘法
    3.3 基于Lasso的稀疏降维算法
    3.4 模糊C-均值聚类(FCM)算法
    3.5 基于规则的分类算法
第4章 填报志愿智能辅助模型研究
    4.1 数据预处理
        4.1.1 聚集
        4.1.2 抽样
        4.1.3 特征子集选择
    4.2 FCM聚类分组
        4.2.1 分类属性数值化
        4.2.2 维度稀疏化
        4.2.3 FCM实现院校聚类分组
    4.3 稀疏多元线性回归模型建立
    4.4 多元线性回归模型验证
        4.4.1 组间抽样交叉检验
        4.4.2 组内抽样回塑检验
        4.4.3 组外测试集抽样评估
    4.5 基于规则分类及模型应用
    4.6 专业录取分数线预估模型
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
攻读学位期间的研究成果



本文编号：3999109