高校智慧校園大數據一體化平臺的研究與實踐
發布時間:2020-12-02 14:04
智慧校園的建設是教育信息化發展的新需要,科學技術的快速發展使得高校信息化建設走向大數據時代,在高校信息化的建設過程中,生成了海量的數據,因此提升數據獲取、治理、分析挖掘等的效率迫在眉睫。該文對智慧校園背景下的相關技術進行研究,建立了一個大數據一體化平臺。通過對在校學生的各種行為數據的分析,進而挖掘出這些數據背后潛在的價值,以此提升智慧校園的建設,促進高校教育水平的提升。首先在回顧高校信息化發展進程的基礎上對智慧校園的相關理論、智慧校園建設中應用到的相關技術以及智慧校園建設的四層基礎架構模型等進行了探討。對智慧校園的相關研究有利于加深對智慧校園以及智慧校園建設必要性的認知,更好的促進教育信息化的發展。其次,研究了建立大數據一體化平臺的相關技術。介紹了大數據分析平臺主要包括Hadoop和Spark;設計了高校信息標準,主要包含數據標準和代碼標準,它們既是實現教育信息化和建設智慧校園的關鍵之一,也是實現高校信息化建設標準科學規范的主要途徑;分析了作為大數據技術基礎的數據采集技術;研究了用于清理冗余、雜亂無章數據的數據處理技術;研究了數據存儲技術,通過對已采集到的數據的存儲來建立相關數據庫,并...
【文章來源】:武漢輕工大學湖北省
【文章頁數】:64 頁
【學位級別】:碩士
【部分圖文】:
智慧校園總體架構模型
武漢輕工大學碩士學位論文挖掘、可視化等。3.2 大數據平臺體系架構在大數據背景下,高校智慧校園建設要綜合統一管理平臺、一站式的服務需求應用系統、安全防護體系的建設等,實現學校教學、科研、管理服務及各類設施的機結合。數據中心平臺采用基于 Hadoop 的自主研發的分布式存儲與計算技術,其主要構如圖 3.1 所示:
更好的挖掘數據背后的價值首先得實現數分類算法。但是不同的算法有它既定的優勢分類算法,把多種分類方法的優勢進行整合器學習范式,能更好的處理數據分類問題。合分類算法的一種,它的優點有[57]:不同領域的數據分類問題;是相互獨立的,故訓練速度快,效率高;合分類器抗干擾能力較強;,能較好的適應數據集;每個特征對預測的重要性情況,并且還能檢含多個決策樹的分類器,通過對多個決策樹3.2 所示:
【參考文獻】:
期刊論文
[1]出行方式識別技術的算法改進[J]. 凌晶,豐洪才,霍文英. 武漢輕工大學學報. 2018(03)
[2]智慧校園之現狀分析及展望[J]. 汪建,方洪鷹,楊冬梅,楊嵐. 教育教學論壇. 2017(46)
[3]現狀與反思:國內智慧校園研究綜述[J]. 乜勇,王濱. 中國教育信息化. 2017(21)
[4]大數據背景下的高校智慧校園建設研究[J]. 于海霞,文雪巍,丁康健,唐友. 數碼世界. 2017(10)
[5]高校信息化建設三重門[J]. 中國教育網絡. 2017(07)
[6]“互聯網+”視野下的智慧校園發展趨勢研究[J]. 胡小勇,張華陽. 數字教育. 2017(03)
[7]基于Spark平臺的大數據挖掘技術研究[J]. 王珣. 微型電腦應用. 2017(06)
[8]高校智慧校園建設的頂層設計及實踐應用——以“智慧北航”為例[J]. 徐青山,張建華,楊立華. 現代教育技術. 2016(12)
[9]大數據背景下高校智慧校園建設探究[J]. 邵野. 數字技術與應用. 2016(10)
[10]“互聯網+智慧校園”的立體架構及應用研究[J]. 王曦. 中國電化教育. 2016(10)
博士論文
[1]移動互聯網絡安全認證及安全應用中若干關鍵技術研究[D]. 石莎.北京郵電大學 2012
碩士論文
[1]一卡通數據中學生消費行為及其成績相關性研究[D]. 鄒志洪.湖南大學 2018
[2]高校智慧校園信息標準的規劃與設計[D]. 孫思.武漢輕工大學 2017
[3]基于大數據挖掘的高校學生行為數據分析系統的研究與開發[D]. 孫楊博.華北電力大學(北京) 2017
[4]基于群智能優化算法的云計算任務調度策略研究[D]. 辛海奎.陜西師范大學 2015
[5]高職院校智慧校園設計與實施[D]. 孫鑫.山東大學 2014
[6]校園數據中心學生數據庫結構分析與數據交換[D]. 周松.西南交通大學 2012
本文編號:2895427
【文章來源】:武漢輕工大學湖北省
【文章頁數】:64 頁
【學位級別】:碩士
【部分圖文】:
智慧校園總體架構模型
武漢輕工大學碩士學位論文挖掘、可視化等。3.2 大數據平臺體系架構在大數據背景下,高校智慧校園建設要綜合統一管理平臺、一站式的服務需求應用系統、安全防護體系的建設等,實現學校教學、科研、管理服務及各類設施的機結合。數據中心平臺采用基于 Hadoop 的自主研發的分布式存儲與計算技術,其主要構如圖 3.1 所示:
更好的挖掘數據背后的價值首先得實現數分類算法。但是不同的算法有它既定的優勢分類算法,把多種分類方法的優勢進行整合器學習范式,能更好的處理數據分類問題。合分類算法的一種,它的優點有[57]:不同領域的數據分類問題;是相互獨立的,故訓練速度快,效率高;合分類器抗干擾能力較強;,能較好的適應數據集;每個特征對預測的重要性情況,并且還能檢含多個決策樹的分類器,通過對多個決策樹3.2 所示:
【參考文獻】:
期刊論文
[1]出行方式識別技術的算法改進[J]. 凌晶,豐洪才,霍文英. 武漢輕工大學學報. 2018(03)
[2]智慧校園之現狀分析及展望[J]. 汪建,方洪鷹,楊冬梅,楊嵐. 教育教學論壇. 2017(46)
[3]現狀與反思:國內智慧校園研究綜述[J]. 乜勇,王濱. 中國教育信息化. 2017(21)
[4]大數據背景下的高校智慧校園建設研究[J]. 于海霞,文雪巍,丁康健,唐友. 數碼世界. 2017(10)
[5]高校信息化建設三重門[J]. 中國教育網絡. 2017(07)
[6]“互聯網+”視野下的智慧校園發展趨勢研究[J]. 胡小勇,張華陽. 數字教育. 2017(03)
[7]基于Spark平臺的大數據挖掘技術研究[J]. 王珣. 微型電腦應用. 2017(06)
[8]高校智慧校園建設的頂層設計及實踐應用——以“智慧北航”為例[J]. 徐青山,張建華,楊立華. 現代教育技術. 2016(12)
[9]大數據背景下高校智慧校園建設探究[J]. 邵野. 數字技術與應用. 2016(10)
[10]“互聯網+智慧校園”的立體架構及應用研究[J]. 王曦. 中國電化教育. 2016(10)
博士論文
[1]移動互聯網絡安全認證及安全應用中若干關鍵技術研究[D]. 石莎.北京郵電大學 2012
碩士論文
[1]一卡通數據中學生消費行為及其成績相關性研究[D]. 鄒志洪.湖南大學 2018
[2]高校智慧校園信息標準的規劃與設計[D]. 孫思.武漢輕工大學 2017
[3]基于大數據挖掘的高校學生行為數據分析系統的研究與開發[D]. 孫楊博.華北電力大學(北京) 2017
[4]基于群智能優化算法的云計算任務調度策略研究[D]. 辛海奎.陜西師范大學 2015
[5]高職院校智慧校園設計與實施[D]. 孫鑫.山東大學 2014
[6]校園數據中心學生數據庫結構分析與數據交換[D]. 周松.西南交通大學 2012
本文編號:2895427
本文鏈接:http://www.malleg.cn/jiaoyulunwen/gaodengjiaoyulunwen/2895427.html

