论文基于Android平台的移动学习系统大数据挖掘技术是关于本文可作为相关专业数据挖掘论文写作研究的大学硕士与本科毕业论文数据挖掘论文开题报告范文和职称论文参考文献资料。
摘 要： 基于Android平台对移动学习系统大数据挖掘技术进行研究.通过期望最大化EM算法进行用户聚类,利用移动学习系统的个性化资源推荐模型进行近邻用户的选取和评分预测,采用CRISP?DM模型,根据学习者下载资源的时间序列数据建立ARTXP算法挖掘模型,通过对英语类课件、法律类课件、计算机类课件在7天后的下载预测,表明英语类的移动学习资源需求有所下降,法律类与计算机类课件需求有所增加,同样,可对移动学习系统的其他类学习资源需求进行预测,根据需求的变化情况制作并上传相应移动学习资源.
关键词： 挖掘技术； 大数据； 移动学习； Android平台
中图分类号： TN911?34； G420 文献标识码： A 文章编号： 1004?373X（2017）19?0142?03
Research on big data mining technology of mobile learning
system based on Android platform
YAN Lei1, QI Bing2
（1. Network and Educational Technology Center, Hainan University, Haikou 570228, China；
2. Department of Information Engineering, Hainan Technology and Business College, Haikou 570220, China）
Abstract： The big data mining technology of mobile learning system based on Android platform is studied. User clustering was performed by means of the expectation maximization （EM） algorithm. The personalized resource recommendation model of mobile learning system is used to select neighbour users and predict the score. The CRISP?DM model is used to establish the mining model of ARTXP algorithm according to the time series data of learner′s downloading resource. The downloading of English courseware, law courseware and computer courseware in seven days is forecasted, which shows that the demand of English mobile learning resources is declined, and the demands of law courseware and computer courseware are increased. The model can predict other courses′ learning resource demand of mobile learning system, and create and upload the corresponding mobile learning resources according to the changes in demand.
Keywords： mining technology； big data； mobile learning； Android platform
0 引 言
在數据分析方面,数据挖掘可满足现实需求,应用广泛.数据挖掘为移动学习创建系统条件、开发学习资源、设计培养方案提供了支持,是移动学习系统服务的关键技术[1?3].利用数据挖掘技术构建移动学习系统,提高学生学习积极性、自主性、学习效率,是研究数据挖掘技术的重点[4].借助通信设备及网络,通过移动学习,学生学习不再受教师、地域、时间的限制[5].
目前,随着大数据及移动互联网的快速发展,网络已融入到人们的日常生活中[6].随着各种移动终端设备的广泛使用,在移动过程中提高移动终端服务质量是移动互联网研究的热点[7?9].用户使用移动终端设备产生大量数据,促使进一步研究大数据挖掘技术[10].本文基于Android平台,对移动学习系统大数据挖掘技术进行研究.
1 移动学习系统用户特征聚类
聚类是指将数据库中的记录分为一系列有意义的子集.聚类是数据挖掘最主要的功能之一,聚类是概念进行偏差分析、描述的先决条件,本文研究根据移动学习系统中用户可用信息稀疏的问题,将用户按特征信息进行聚类,从而发现目标用户的近邻用户,并将目标用户作为计算用户集进行协同过滤,使用期望最大化EM算法进行用户聚类,EM算法的收敛稳定性、高效性效果较好.
1.1 移动学习系统用户聚类特征维度选取
在进行用户聚类时,本文采用的特征维度为年龄、性别、文化程度、职业,表1为移动学习系统用户聚类维度数据量化表.在各用户特征维度上,数据预处理可将用户属性表示能力有效提高,同时可将算法收敛速度提高.将用户维度信息从数据库不同位置抽取出来,对其进行数据清理及量化操作,在数据库特定位置装入规整化数据.
1.2 移动学习系统用户聚类EM算法实现
对于移动学习系统全部用户数据[X,]不清楚各自属于哪个聚类簇,若将用户完整的数据用[X,Y]表示,[X]所属聚类簇用[Y]表示,[Y∈1,2,等,g],整体数据概率密度如下：
总结:本文是一篇关于数据挖掘论文范文，可作为相关选题参考,和写作参考文献。
参考文献：
1、 市场经济视角下Android校园二手商品发布系统大数据解读 [摘要]随着电子商务的兴起，网络购物已成普遍现象，足不出户就能便捷购物。市场经济下，依据Android校园二手商品发布系统，为大学生提供浏览和购。
2、 基于大数据挖掘和分析高校图书馆服务模式和路径 摘 要 信息化、网络化、数字化已逐渐融入到各行各业，在海量数字信息爆炸的时代诞生了大数据的新型技术。大数据应用于人们生活的诸多方面，在高校图书馆。
3、 区域电网光缆线路智能监测系统的数据传输技术 摘 要： 以区域电网光缆线路智能监测系统为研究对象，对其数据传输技术进行研究。采用数据库技术、计算机技术、GIS技术、网络通信技术、OTDR测试。
4、 高速公路收费系统中数据挖掘应用 [摘要]运输业随着社会经济的进步不断的提速，2014年底贵州高速公路总里程达到4000km，2015年建设里程突破5000km，路网有序而繁杂，。
5、 数据挖掘技术在电网资产管理系统中应用 [摘 要] 电网资产管理贯穿了供电企业的诸多生产业务范围，其覆盖范围广、体系种类庞杂、数量庞大等特点。在电网资产信息化管理建设进程中，针对电网“。
6、 大数据挖掘在工程项目管理中运月 近年来，传统的工程项目管理模式已经无法满足新形势下工程项目管理模式的需求，探索工程项目管理新模式具有十分重要的现实意义。本文基于大数据挖掘技术，。