面向教育大数据的关键算法研究与实现

面向教育大数据的关键算法研究与实现

ID:35184506

大小:5.57 MB

页数:85页

时间:2019-03-21

面向教育大数据的关键算法研究与实现_第1页
面向教育大数据的关键算法研究与实现_第2页
面向教育大数据的关键算法研究与实现_第3页
面向教育大数据的关键算法研究与实现_第4页
面向教育大数据的关键算法研究与实现_第5页
资源描述:

《面向教育大数据的关键算法研究与实现》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、朵击种成*葦IUNI巨NC巨ANDTECMNOLOGYOFCM■NAIVERSITYOFELECTRONICscI专业学位硕i学位论文MASTERTHESISFORPROFESSIONALDEGREE(變论文题固而向教育大数据的关雜算法研究与实现专业学位类别工程硕丈学^201322240312作者姓名吴敏指导教师张可副师究员一独创性声明l[作本人声叨所li交的学位论义巧木

2、人化导帅指诗f进巧的研究及取巧的研究成果。掘我所知,餘/文中特别加你注和致谢的地方夕h论文中不包含化他人。丝发朵或撰^过的研究成巧,也不佔含为.。获巧屯子科巧火巧或巧它教肯机构的学位或tiH书iM使川过的材刺ti化卡r[作的巧忠对本研究所做的任何巧献巧d化论文|作備的说明化巧W谢恵。化者游名:口:!亂V(年^WI!/论文使用授权本学位论文作者亢伞了解电r科技大学打关保诏、化川学巧论义的规化,如权化留并向网家巧关部n或机构送义论文的妓印仲和臟说:,.f科巧大学可将学位论文的

3、全允许论文被洽阅和借阅。本人授收屯胡域部分段内化容如编入巧关数据库进行检索,"1义用影印、缩印或扛1描等复制手、巧;编学位论文。(保密的学化论义化解齋片邀守此规巧)作者签名:名:巧师签11期:1〇年/^|托叩分类号密级注1UCD学位论文面向教育大数据的关键算法研究与实现(题名和副题名)吴敏(作者姓名)指导教师张可副研究员电子科技大学成都(姓名、职称、单位名称)申请学位级别硕士专业学位类别工程硕士工程领域名称计算机技术提交论文日期2016.5.4论文答辩日期2016.5.26学位授予单位和日期电

4、子科技大学2016年6月答辩委员会主席评阅人注1:注明《国际十进分类法UDC》的类号。RESEARCHANDIMPLEMENTATIONOFKEYALGORITHMSFORBIGDATAORIENTEDEDUCATIONMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:ComputerTechnologyAuthor:WuMinSupervisor:ZhangKeAssociateProfessorSchool:Sc

5、hoolofCommunication&InformationEngineering摘要摘要现代教育的发展趋势是在基于大量数据的基础上的个性化、标准化的。大数据最为典型的特征就是数据量庞杂,数据空间巨大。为了解决数据庞杂混乱的问题,提出了分布式和非结构化的解决办法。这也推进了大数据在教育方向的发展,给传统教育提供了突破口,个性化教育也随之被提出。大数据带来的教育方向的改革颠覆了传统教育的模式,在某种程度上改变了整个教育教学体系,在传统教育中,所有教学事物都由学校统一安排,上课的时间地点甚至教学内容,然而,在大数据的背景之

6、下,上课时间、地点和学习内容都是根据学习者自己的意愿决定的,所有的教学决策的都是有大量的数据作为基础,这些信息都是客观、可信的,不在是由传统的主观的教学经验所决定的。这给教育大环境带来的是一种更加灵活、自主、科学的学习氛围,这正是与素质教育相契合。大数据在教育方面的应用主要有教学资源的推荐、对教育者教学方式的指导、在线测试组卷系统等。大数据在线教育的相关技术研究中最为重要的是教育大数据挖掘和学习分析技术,基于数据挖掘和学习分析技术,本文重点对在线教育中的大数据算法做了研究与实现,研究主要内容如下:1、研究学习分析技术,分

7、别介绍和深入剖析了学习分析技术领域的领军人物Siemens等提出的学习分析模型,并且对各个模型进行比较和梳理,为后面章节也打下牢固基础。2、研究和分析教育大数据挖掘技术,结合实际情况对在线教育中产生的大量数据进行挖掘获得有用的信息,为教学优化和教育决策提供服务。3、实现运行在Hadoop上并行的Apriori算法,通过对数据集分割思想的研究,从键值对精简方面优化,提高并行计算的效率。分析研究教育大数据的特点,针对用户-课程访问频率数据做了数据集处理,从而提高了关联规则挖掘的准确性。4、对传统的基于项目的协同过滤算法进行改

8、进,结合教育教学资源特点,将聚类算法与协同过滤算法相结合,提高算法效率。对于大数据教学资源提出改进的并行环境下的协同过滤算法。5、对于在线教育中自动组卷问题,研究和分析传统组卷系统采用的核心算法,提出基于遗传算法的自动组卷系统。关键词:在线教育、关联规则挖掘、推荐算法、遗传算法、组卷系统IABSTRACTABSTRA

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。