一、数字苏州“一卡通”（论文文献综述）
江苏省人民政府办公厅[1]（2021）在《江苏省人民政府办公厅关于印发江苏省“十四五”数字经济发展规划的通知》文中研究指明苏政办发[2021]44号各市、县（市、区）人民政府,省各委办厅局,省各直属单位:《江苏省"十四五"数字经济发展规划》已经省人民政府同意,现印发给你们,请认真组织实施。2021年8月10日江苏省"十四五"数字经济发展规划为抢抓数字时代发展新机遇,激发数字经济新动能,加快数字经济强省建设,根据《"十四五"数字经济发展规划》《江苏省国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要》《省政府办公厅关于深入推进数字经济发展的意见》,编制本规划。一、发展基础与面临形势（一）发展基础。
岳品瑜,廖蒙[2]（2021）在《北京启动新一轮数字人民币试点活动》文中进行了进一步梳理数字人民币试点持续推进中。10月11日，北京商报记者自北京金融监督管理局处获悉，北京市将于10月12日启动“‘京彩’惠民生数字嘉年华”数字人民币试点活动，聚焦交通出行场景，在京消费者通过开通相应银行的数字人民币钱包，即可通过优惠券的方式享受支付优惠，最低只需1分钱
姜攀[3]（2021）在《大数据技术对校园突发事件中学生行为监测的应用》文中进行了进一步梳理日益突出的校园突发事件对学生的生命所造成的安全威胁已成为社会高度关注的问题。针对校园突发事件中学生行为异常的发生趋于年轻化和多发性现状,通过大数据对校园突发事件中学生行为的监测和预测显得极其重要。利用大数据技术对校园学生的不良行为进行监测,可提升学校和社会的相关职能部门早期预测能力,减少校园突发事件的发生。
邓盼星[4]（2021）在《长三角地区公共图书馆学龄前儿童阅读推广调查与研究》文中进行了进一步梳理
卫玉婷[5]（2021）在《长三角一体化背景下公共图书馆数字文化服务平台建设研究》文中研究指明
陈丹[6]（2021）在《县域教育信息化发展评价指标数据化研究 ——以贵州省为例》文中指出信息技术的发展,使得教育信息化发展得到迅速的提升,成为了教育现代化不可或缺的一部分。贵州在国家和党的扶持之下,贵州的教育信息化水平也在逐年增长,为了更好的引导和助推贵州省县域教育信息化的发展和改革,需要对贵州省县域教育信息化发展水平进行评价。但由于各县域之间评价视角不一,所考察的具体内容不同,导致教育决策者获取决策数据存在一定的困难,不便于推进下一步的发展规划及政策制定。如何更好地反映以县域为主的教育信息化建设情况,实现智慧决策,需要教育信息化发展相关数据进行收集与分析。因此,对发展指标进行数据化处理、明确指标观测点是数据收集及后期处理的关键。本研究主要开展了贵州县域教育信息化发展指标数据化研究,以期能给教育决策部分提供更具可操作性的数据采集与处理的基础。本研究做了以下工作:第一,明确了贵州省县域教育信息化发展指标的观测点。首先,通过文献分析法分析对国内外教育信息化评价模型或体系进行统计、归纳、分析,然后利用关键指标法筛选出相关指标观测点。并通过访谈相关专业人士,利用Colaizzi七步分析法对访谈的录音信息进行整理,进一步补充完善各指标观测点,进而构建起贵州省县域教育信息化发展观测点备选库。最后,通过专家咨询法明确贵州省县域教育信息化发展指标观测点。第二,构建了贵州省县域教育信息化发展指标数据采集表。首先,通文献分析提出了收集评价数据的方式以及处理评价数据的方法;其次,在明确的观测点的基础上,对各观测点的数据关联进行分析;同时,对评价指标与评价数据的关系进行了分析;最后,形成贵州县域教育信息化发展指标数据采集表,该表中对评价数据上报主体、数据形式、数据的处理方式都做了说明,并且对数据上报的方法和流程进行了介绍。第三,提出了贵州省县域教育信息化发展水平指数的算法。首先利用专家打分法明确观测点权重,其次对不同数据类型进行规范化处理,最后通过文献分析,选择并设计了综合评价指数计算方法,算出县域教育信息化发展水平指数,综合反映县域教育信息化发展的状态水平。
王刚涛[7]（2021）在《基于机器学习的学业预警研究》文中研究表明在高校智慧校园建设过程中,学业预警作为智慧校园的主要组成部分,其主要利用数据挖掘技术保障学生顺利完成学业,同时为高校提供一定的决策支持。本文以某校相关部门的研究课题为背景,旨在搭建适用于该校的学业预警系统,保障学生顺利完成学业。主要研究内容分为“学业预警模型研究”和“学业预警系统设计与实现”两个部分,其详细内容如下:在学业预警模型研究的过程中,以某校本科生的历史成绩数据、一卡通消费数据和图书馆刷卡记录数据为基础,预测他们在第四学期结束之后是否会被留级。首先在数据预处理中提出了启发式的缺失值填充方法,得到可用于留级预测的数据特征。然后分析不同特征与留级之间的相关性进行特征筛选并组成不同的特征集合,分别利用随机森林、决策树、支撑向量机和逻辑回归四个常用的机器学习分类算法构建学业预警模型,综合评估后选择预测效果最佳的预警模型。最后为了解决所选模型在预测过程中的过拟合问题,提高模型的预测效果,提出了一种基于遗传算法改进的模型和一种基于投票集成的模型组合优化方法,通过分析实验证明基于遗传算法改进的模型评估效果最优,Recall达到了89.35%,Precision达到了80.96%,AUC达到了84.25%。在学业预警系统设计与实现过程中,依据某校相关部门的软件需求,在学业预警模型的基础上,采用ZhimaPHP框架,采用PHP程序设计语言和Python程序设计语言,基于Mysql数据库,实现了学业预警系统。该系统实现了成绩查询、数据导出,能够从学生的多个维度数据进行学业预警的功能,保障学生正常完成学业,为高校提供一定的决策支持。
薛天[8]（2021）在《智慧校园APP交互界面设计实践与研究 ——以“We辽师”为例》文中研究表明随着互联网及信息技术的不断创新,移动智能手机大规模普及,给人们的生活带来了极大的便利。手机APP开发日益成熟,涉及到了各行各业,凭借其种类繁多、操作简单、功能丰富等特点,现在已经成为人与人,人与物之间的沟通桥梁。设计师可以对手机APP交互界面进行设计,来提升用户体验,用设计让产品更有温度。在万物互联智能信息化浪潮下,现有的校园网络服务平台已经略显滞后,这对学校的管理服务提出了更高的要求,数字化校园正向智慧化校园进行转变,而智慧校园APP作为校园智慧化建设中一项必不可少的工具,有助于让复杂的问题简单化,简单的问题数字化,也可以让校园文化得到更好的传播。本文分析了智慧校园的基本概念,交互界面设计相关的理论以及智慧校园APP的优势,总结出智慧校园APP交互界面设计的原则,为设计智慧校园APP打下了坚实的理论基础。通过对目标用户的调研结果进行分析,总结出用户需要的功能对智慧校园APP进行定位,尝试用扁平化的风格,明亮的色彩搭配,简约一致的交互设计,探索出一款符合目标用户的性格及年龄层次的智慧校园APP产品,增加学生对学校的认同感和归属感,体现智慧校园的智慧性,助力传播校园文化,使学生与老师、与学校更为紧密的贴合在一起,增添学校品牌特色,为师生提供便捷服务。
李媛翯[9]（2021）在《基于多源交通数据的南锣地区出行时空特征可视化分析》文中提出随着我国最近几年互联网迅猛发展,例如当下的大数据、云计算、物联网等与之相关的科学技术也逐步深入到人们的日常生活中,潜移默化地影响着人们的生活。同时也促使数据资源日渐丰富,推动分析技术逐步完善和成熟,为数据驱动下的游客时空特征分析、景区客流规律探究、关联景点提取、游客潜在出行需求发现等研究提供了理论支撑。与传统问卷调查相比,采用海量、多样、真实的大数据可以有效提升工作效率,保证数据收集的精准性。因此,如何基于大数据科学地认识城市中群体活动的规律、精准地提取其行为特征,正确地判断其对城市发展的影响是地理信息科学、数据科学和社会科学等领域及相关交叉学科研究的热点问题。根据前述背景,本文收集了南锣鼓巷主景区客流激光监测、市政一卡通中公交地铁刷卡、网约车、出租车和共享单车订单等多源数据作为基础研究数据集,分析主景区客流时空规律,探究多源交通客流数据与主景区客流激光监测数据间的相关关系,挖掘南锣鼓巷研究区内人员出行特征,分析出不同时间段研究区内人员属性比例,最后借助可视化平台将得到的结论进行直观展现,继而辅助南锣鼓巷主景区管理和规划部门决策。本文主要研究内容有:（1）多源数据预处理和研究区内人员类别划分。为了能够更精准地在一定的时间和空间维度上对南锣鼓巷主景区人员的出行和交通情况进行特征提取和分析,本文首先针对多源旅游客流量数据实施有效的大规模数据处理,即清除噪声数据,筛选出与研究区域相关的数据记录,并以小时为单位进行数据切分和汇总。由于公交地铁数据记录包含乘客全天完整的出行轨迹且具有体量大的优势,挖掘出的乘客出行特点更具有代表性,故本文基于公交地铁刷卡数据从到达研究区时间、在研究区停留时长和单月到达研究区频次三个方面分别利用k-means和DBSCAN聚类算法提取个体乘客在时间维度的出行特征,并将其划分为通勤者、居民和游客。最后基于统计结果和热力图挖掘出与研究区域空间关联关系最强的热门站点。（2）多元线性回归建模和分析。经过分析可知,南锣鼓巷主景区监测客流与周边交通客流存在线性关系。故本文从时间维度出发,分别统计和分析南锣鼓巷主景区内客流和研究区内多源交通客流情况,对比各类客流数据的时间分布差异。然后将到达南锣鼓巷研究区的交通总客流量与南锣鼓巷主景区监测客流数据进行多元线性回归分析,继而得出公共地铁、出租车、网约车和共享单车客流量对南锣鼓巷主景区客流产生的影响大小。（3）游客出行特征提取。为了更好地优化景区周边的交通,明确景区周边路网需求,本文基于多源交通大数据提取和分析南锣鼓巷主景区内游客出行特征,结合统计图和热力图分别从出行距离、出行耗时和出行成本等方面对比分析选择不同交通方式的游客出行特征。（4）构建南锣鼓巷研究区人群特征可视化平台。为了使研究结果更好地服务实际景区管理,本文设计并开发了基于B/S架构的南锣鼓巷研究区人群特征可视化平台,该平台集合多种可视化形式,可帮助管理者更直观地了解区域内人员出行规律、周边交通状态等,有针对性地提升景区管理和服务水平。
樊树林[10]（2021）在《基于数据挖掘技术的学生行为分析与研究》文中研究说明大数据已经对人们的生活工作和学习产生了巨大影响,教育信息化也因此得到了快速发展,各高校的校园数字化建设不断完善。高校中的建设的一卡通平台、教务系统、图书馆管理系统等各种应用已经逐渐成熟,这些系统每天都会产生大量的学生行为数据,这些数据资源为高校学生行为数据的隐藏信息挖掘提供了强有力的数据支撑。当前高校急需利用技术手段来帮助高校教育管理工作者优化对学生的教育管理方案。本文设计并且实现了学生行为分析与预警系统。为了使得系统更加高效和准确,使用了统计分析和数据挖掘技术,对学生行为数据进行进行综合画像分析和数据挖掘分析,探索学生在校行为与学生生活和学习等方面的潜在关联。具体来说:1.设计了HDWA-Kmeans算法,使用该算法辅助学校贫困生认定工作。该算法在经典聚类算法K-means算法的基础上进行了两方面的改进,聚类效果更好。具体有:（1）基于高密度聚类的改进,能够选取更加有效的初始聚类中心;（2）通过加入阈值系数来改变重新计算质心的方式,使用加权平均值可以保证算法一定能够收敛,同时能够量化数据对象之间的差异值,进而可以更快的聚类。为了验证改进算法HDWA-Kmeans的高效性和准确性,基于中央民族大学的学生在校的消费行为数据进行聚类实验对比。2.设计了MCDM-Apriori算法,使用该算法帮助预警学生可能存在的挂科信息。基于时间和空间的考虑,改进了经典的关联分析算法Apriori算法,最终得到了改进后的MCDM-Apriori算法。具体有:（1）基于矩阵压缩的Apriori算法改进,通过优化算法运算过程中的剪枝策略,能够有效的减少产生中间候选项集的数量,减小了计算机的空间消耗;（2）基于分治与归并的Apriori算法改进,通过将大的数据库划分成独立不相关的多个小的数据库,然后并行计算提高计算机的利用率,降低算法的运算瓶颈。为了验证改进算法MCDM-Apriori算法的高效性,基于中央民族大学的学生在校学习行为数据进行关联分析实验对比。3.设计并实现了学生行为分析与预警系统,具体有:（1）对系统的需求进行了功能和非功能分析、对系统的架构进行设计、系统的功能进行设计、系统数据库设计等;（2）详细设计并实现了基于spark平台的数据挖掘、用户登录模块、学生综合画像模块、贫困生辅助认定模块、系统管理模块、学生综合预警模块。帮助学生工作管理者在贫困生认定、学业预警等方面更加准确的做出决策。
二、数字苏州“一卡通”（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、数字苏州“一卡通”（论文提纲范文）
（2）北京启动新一轮数字人民币试点活动（论文提纲范文）
| 1分钱坐公交乘地铁 |
| 交通覆盖率提升 |
| 35.5万个冬奥场景 |
（3）大数据技术对校园突发事件中学生行为监测的应用（论文提纲范文）
| 1 大数据来源 |
| 1)传统数据库。 |
| 2)个人数据。 |
| 3)网络数字痕迹。 |
| 4)户外活动数据。 |
| 2 大数据平台总体架构 |
| 1)数据采集和存储平台： |
| 2)综合分析挖掘平台： |
| 3)智能预警平台： |
| 4)安全运行管控平台： |
| 3 数据抓取及存储关键技术 |
| 4 学生行为大数据分析过程 |
| 4.1 源数据库 |
| 1)学生学习异常行为大数据： |
| 2)学生日常生活异常行为大数据： |
| 3)学生上网习惯异常行为大数据： |
| 4)校园视频监控学习异常行为大数据： |
| 5)学生家庭等社会环境异常大数据： |
| 6)其他异常行为大数据： |
| 4.2 数据抽取与整合 |
| 4.3 数据清洗与分析 |
| 4.4 数据可视化 |
| 5 大数据分析主要算法 |
| 1)分类分析： |
| 2)回归分析： |
| 3)聚类分析： |
| 4)关联分析： |
| 5)图像视频分析： |
| 6)大数据分析学生异常行为预警。 |
| 7)大数据分析学生异常行为可视化。 |
| 6 结论 |
（6）县域教育信息化发展评价指标数据化研究 ——以贵州省为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 教育信息化的战略地位得以确立 |
| 1.1.2 数据驱动教育信息化评价常态化 |
| 1.1.3 贵州教育信息化的现实需求 |
| 1.2 问题提出 |
| 1.2.1 文献和实践中的反思 |
| 1.2.2 问题聚焦 |
| 1.3 研究意义 |
| 1.3.1 理论意义 |
| 1.3.2 实践意义 |
| 1.4 研究目标与主要内容 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 1.5 研究思路与方法 |
| 1.5.1 研究思路 |
| 1.5.2 研究方法 |
| 1.6 本章小结 |
| 2 研究基础 |
| 2.1 相关概念 |
| 2.1.1 数据 |
| 2.1.2 教育信息化 |
| 2.1.3 指标数据化 |
| 2.1.4 指标数据规范 |
| 2.2 理论基础 |
| 2.2.1 综合评价理论 |
| 2.2.2 数据类型 |
| 2.2.3 模糊理论 |
| 2.3 研究综述 |
| 2.3.1 国内外教育信息化发展指标体系研究现状 |
| 2.3.2 确定指标观测点的常用步骤和方法 |
| 2.3.3 评价指标规范的研究 |
| 2.3.4 综合评价的方法 |
| 2.3.5 已有研究对本研究的启示 |
| 2.4 本章小结 |
| 3 贵州县域教育信息化发展指标观测点 |
| 3.1 县域教育信息化发展指标体系 |
| 3.2 指标观测点确定原则 |
| 3.3 教育信息化发展指标观测点备选库建立过程 |
| 3.3.1 基于文献的观测点选取过程 |
| 3.3.2 基于实践的指标观测点完善 |
| 3.3.3 贵州县域教育信息化发展指标观测点备选库 |
| 3.4 贵州县域教育信息化发展指标观测点确立 |
| 3.4.1 专家咨询成员构成情况 |
| 3.4.2 专家咨询结果 |
| 3.5 本章小结 |
| 4 贵州县域教育信息化评价指标的数据化表达 |
| 4.1 指标观测点分类 |
| 4.2 数据采集表设计 |
| 4.2.1 收集数据的方式 |
| 4.2.2 处理数据的方法 |
| 4.2.3 指标观测点数据的关联性 |
| 4.2.4 指标数据采集表及资料收集目录 |
| 4.3 数据报送的方法 |
| 4.4 数据报送流程 |
| 4.5 贵州县域教育信息化发展水平指数的算法 |
| 4.5.1 指标观测点权重计算 |
| 4.5.2 定性指标的量化 |
| 4.5.3 定量指标的无量纲化 |
| 4.5.4 教育信息化发展指数的算法 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 参考文献 |
| 附录1 |
| 致谢 |
| 攻读硕士学位期间主要研究成果 |
（7）基于机器学习的学业预警研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文的组织结构 |
| 第二章 相关技术介绍 |
| 2.1 机器学习算法 |
| 2.1.1 支撑向量机 |
| 2.1.2 逻辑回归 |
| 2.1.3 决策树 |
| 2.1.4 随机森林 |
| 2.2 Zhima PHP框架 |
| 2.3 本章小结 |
| 第三章 数据处理与分析 |
| 3.1 数据获取 |
| 3.1.1 历史成绩数据 |
| 3.1.2 一卡通消费数据 |
| 3.1.3 图书馆刷卡数据 |
| 3.2 数据预处理 |
| 3.2.1 利用启发式算法的缺失值填充 |
| 3.2.2 成绩数据指标计算 |
| 3.2.3 学生挂科学分 |
| 3.3 学生行为特征与学业特征相关性研究 |
| 3.3.1 一卡通消费数据与学业成绩相关性分析 |
| 3.3.2 图书馆刷卡数据与学业成绩相关性分析 |
| 3.4 本章小结 |
| 第四章 学业预警系统模型研究 |
| 4.1 模型构建与实验 |
| 4.1.1 基于历史成绩的留级预测 |
| 4.1.2 基于一卡通消费和历史成绩的留级预测 |
| 4.1.3 基于图书馆刷卡记录和历史成绩的留级预测 |
| 4.2 基于多数据源的实验对比分析 |
| 4.3 基于遗传算法和投票集成的模型改进 |
| 4.3.1 基于遗传算法优化决策树思路 |
| 4.3.2 基于遗传算法和投票集成的实验对比分析 |
| 4.4 本章小结 |
| 第五章 学业预警系统设计与实现 |
| 5.1 系统需求分析 |
| 5.2 学业预警系统系统总体架构 |
| 5.3 学业预警系统流程设计 |
| 5.4 学业预警系统数据表设计 |
| 5.5 学业预警系统功能模块设计 |
| 5.5.1 登录模块设计 |
| 5.5.2 学业预警模块设计 |
| 5.6 学业预警系统实现 |
| 5.6.1 实验环境介绍 |
| 5.6.2 预警管理模块实现 |
| 5.6.3 数据挖掘模块实现 |
| 5.6.4 系统设置模块实现 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间参加科研情况及获得的学术成果 |
（8）智慧校园APP交互界面设计实践与研究 ——以“We辽师”为例（论文提纲范文）
| 摘要 |
| Abstract |
| 绪论 |
| (一)研究背景 |
| (二)研究现状 |
| 1.国内研究现状 |
| 2.国外研究现状 |
| (三)研究目的与意义 |
| 1.研究目的 |
| 2.研究意义 |
| (四)研究方法 |
| (五)研究创新点 |
| (六)论文框架 |
| 一、智慧校园APP设计理论解析 |
| (一)智慧校园相关概述 |
| 1.智慧校园的概念 |
| 2.智慧校园的特征 |
| (二)智慧校园APP相关概述 |
| 1.智慧校园APP的概念 |
| 2.智慧校园APP的现状 |
| 3.智慧校园APP的优势 |
| (三)交互界面设计的相关概述 |
| 1.交互界面设计的概念 |
| 2.交互界面设计的发展 |
| 二、“We辽师”智慧校园APP需求调研分析 |
| (一)智慧校园移动服务平台案例分析 |
| 1.案例一智慧珞珈APP |
| 2.案例二超级课程表APP |
| 3.案例三“i辽师”微信智慧服务平台 |
| (二)目标用户调研分析 |
| 1.问卷调查分析 |
| 2.用户访谈分析 |
| (三)用户画像 |
| 三、“We辽师”智慧校园APP设计策略 |
| (一)影响“We辽师”智慧校园APP设计的因素 |
| 1.当代大学生生活方式 |
| 2.校园文化环境 |
| (二)“We辽师”智慧校园APP交互界面设计原则 |
| 1.善用隐喻 |
| 2.界面感受的恒常性 |
| 3.容错性 |
| 4.简约易用性 |
| 5.突出重点功能 |
| 6.减少用户负担 |
| 7.重要消息特殊提醒设计 |
| (三)“We辽师”智慧校园APP设计定位 |
| 1.功能定位 |
| 2.风格定位 |
| 四、“We辽师”智慧校园APP交互界面设计实践 |
| (一)“We辽师”智慧校园APP交互设计分析 |
| 1.“We辽师”智慧校园APP信息架构设计 |
| 2.“We辽师”智慧校园APP流程设计 |
| (二)“We辽师”智慧校园APP交互设计原型 |
| 1.“首页”模块交互设计 |
| 2.“资讯”模块交互设计 |
| 3.“校友圈”模块交互设计 |
| 4.“我的”模块交互设计 |
| (三)“We辽师”智慧校园APP界面设计 |
| 1.布局设计 |
| 2.字体设计 |
| 3.色彩设计 |
| 4.图标设计 |
| 5.界面成果展示 |
| (四)用户测试 |
| 1.测试目的 |
| 2.测试步骤 |
| 3.测试结果分析 |
| (五)系统功能体现校园智慧性 |
| 1.查询类功能的智慧性 |
| 2.问题反馈的智慧性 |
| 结语 |
| 参考文献 |
| 附录A 调查问卷 |
| 附录B 用户测试表 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（9）基于多源交通数据的南锣地区出行时空特征可视化分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 乘客类别判断 |
| 1.2.2 时空特征挖掘 |
| 1.2.3 多元线性回归模型 |
| 1.2.4 游客出行特征提取 |
| 1.2.5 现有研究存在问题 |
| 1.3 研究内容 |
| 1.4 论文框架 |
| 第2章 数据预处理与乘客属性划分 |
| 2.1 研究区概述 |
| 2.2 数据预处理 |
| 2.2.1 客流激光监测数据 |
| 2.2.2 北京市政一卡通刷卡数据 |
| 2.2.3 订单类数据 |
| 2.3 乘客属性判别 |
| 2.3.1 频次统计 |
| 2.3.2 聚类分析 |
| 2.4 热点区域关联分析 |
| 2.5 本章小结 |
| 第3章 基于多源交通数据的景区客流线性回归模型研究 |
| 3.1 主景区客流分析 |
| 3.1.1 以天为单位 |
| 3.1.2 以小时为单位 |
| 3.2 多源交通客流分析 |
| 3.2.1 公交地铁客流分析 |
| 3.2.2 出租车客流分析 |
| 3.2.3 网约车客流分析 |
| 3.2.4 共享单车客流分析 |
| 3.3 景区客流线性回归模型 |
| 3.3.1 回归模型对比 |
| 3.3.2 构建数据集 |
| 3.3.3 共线性判断 |
| 3.3.4 模型构建及结果分析 |
| 3.3.5 模型准确度验证 |
| 3.4 本章小结 |
| 第4章 游客出行特征提取与分析 |
| 4.1 出发地分布及出行距离 |
| 4.2 出行耗时 |
| 4.3 出行成本 |
| 4.4 本章小结 |
| 第5章 南锣鼓巷研究区人群特征可视化平台 |
| 5.1 数据可视化 |
| 5.2 系统架构 |
| 5.3 可视化平台功能展示 |
| 5.3.1 数据概览模块 |
| 5.3.2 回归分析模块 |
| 5.3.3 景区客流模块 |
| 5.3.4 交通客流模块 |
| 5.4 本章小结 |
| 结论 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（10）基于数据挖掘技术的学生行为分析与研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 数据挖掘算法研究现状 |
| 1.2.2 学生行为分析研究现状 |
| 1.3 本文的主要工作 |
| 1.4 本文的结构安排 |
| 1.5 本章小结 |
| 第二章 数据挖掘基础理论 |
| 2.1 数据挖掘概述 |
| 2.2 数据挖掘过程 |
| 2.2.1 数据预处理 |
| 2.2.2 数据挖掘 |
| 2.2.3 模式评估 |
| 2.2.4 知识表示 |
| 2.3 数据挖掘方法分类 |
| 2.3.1 类或者概念描述 |
| 2.3.2 分类和回归分析 |
| 2.3.3 聚类分析 |
| 2.3.4 关联规则分析 |
| 2.3.5 离群点分析 |
| 2.3.6 序列模式分析 |
| 2.4 数据挖掘算法 |
| 2.4.1 K-means算法 |
| 2.4.2 Apriori算法 |
| 2.5 本章小节 |
| 第三章 学生行为分析算法研究 |
| 3.1 HDWA-Kmeans算法 |
| 3.1.1 基于高密度聚类的K-means算法 |
| 3.1.2 基于加权平均的K-means算法 |
| 3.1.3 HDWA-Kmeans算法的流程和实现 |
| 3.1.4 HDWA-Kmeans算法准确性验证 |
| 3.2 MCDM-Apriori算法 |
| 3.2.1 基于矩阵压缩的Apriori算法 |
| 3.2.2 基于分治与归并的Apriori算法 |
| 3.2.3 MCDM-Apriori算法的流程和实现 |
| 3.2.4 MCDM-Apriori算法效率验证 |
| 3.3 本章小节 |
| 第四章 学生行为分析与预警系统需求与总体设计 |
| 4.1 系统需求 |
| 4.1.1 功能需求 |
| 4.1.2 非功能需求 |
| 4.2 系统架构 |
| 4.2.1 软件架构 |
| 4.2.2 功能架构 |
| 4.3 系统功能 |
| 4.3.1 数据处理模块 |
| 4.3.2 数据挖掘模块 |
| 4.3.3 用户登录模块 |
| 4.3.4 学生综合画像模块 |
| 4.3.5 系统管理模块 |
| 4.3.6 贫困生辅助认定模块 |
| 4.3.7 学生综合预警模块 |
| 4.4 数据库 |
| 4.4.1 数据表设计 |
| 4.4.2 安全与保密设计 |
| 4.5 本章小节 |
| 第五章 学生行为分析与预警系统详细设计与实现 |
| 5.1 开发环境 |
| 5.2 数据处理 |
| 5.2.1 样本选择 |
| 5.2.2 数据源选择 |
| 5.2.3 特征属性选择 |
| 5.3 数据挖掘模块 |
| 5.3.1 聚类分析 |
| 5.3.2 关联分析 |
| 5.4 用户登录模块 |
| 5.5 学生综合画像模块 |
| 5.6 系统管理模块 |
| 5.7 贫困生辅助认定模块 |
| 5.8 学生综合预警模块 |
| 5.9 本章小节 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
四、数字苏州“一卡通”（论文参考文献）
- [1]江苏省人民政府办公厅关于印发江苏省“十四五”数字经济发展规划的通知[J]. 江苏省人民政府办公厅. 江苏省人民政府公报, 2021(15)
- [2]北京启动新一轮数字人民币试点活动[N]. 岳品瑜,廖蒙. 北京商报, 2021
- [3]大数据技术对校园突发事件中学生行为监测的应用[J]. 姜攀. 苏州市职业大学学报, 2021(03)
- [4]长三角地区公共图书馆学龄前儿童阅读推广调查与研究[D]. 邓盼星. 安徽大学, 2021
- [5]长三角一体化背景下公共图书馆数字文化服务平台建设研究[D]. 卫玉婷. 安徽大学, 2021
- [6]县域教育信息化发展评价指标数据化研究 ——以贵州省为例[D]. 陈丹. 贵州师范大学, 2021(11)
- [7]基于机器学习的学业预警研究[D]. 王刚涛. 西安石油大学, 2021(09)
- [8]智慧校园APP交互界面设计实践与研究 ——以“We辽师”为例[D]. 薛天. 辽宁师范大学, 2021(09)
- [9]基于多源交通数据的南锣地区出行时空特征可视化分析[D]. 李媛翯. 北京建筑大学, 2021(01)
- [10]基于数据挖掘技术的学生行为分析与研究[D]. 樊树林. 电子科技大学, 2021(01)