基于教育数据挖掘的在线学习者学业成绩预测建模研究

该文采用数据挖掘和机器学习的方法,研究从教育数据中挖掘影响在线学习者学业成绩的因素并构建分类预测模型。首先,通过计算所有单个数据属性和学业成绩类别之间的相关系数和计算所有属性的信息增益率两种方法共同确定学业成绩的影响因素。然后,提出采用集成学习的方法构建集成式学业成绩分类预测模型,并比较多种算法构建的单一分类模型和集成分类模型的性能。最后,进一步采用嵌套集成学习的方法构建在线学习者学业成绩分类预测模型,并对模型的性能进行评估。研究成果可以为在线学习者学业成绩影响因素研究和预测建模研究提供借鉴,也有助于推进在线学习学业预警、学业成绩预测和评价的实践。

在线学习行为分析建模及挖掘

在日趋精密数字技术条件下,学习模式已通过互联网、社会化媒体实现数字化。海量的学习信息以数据的形式蕴含着学习者的隐性行为特征。文章从数据挖掘与领域应用、学习行为及行为分析、网络行为分析模型三个角度对在线学习行为可能的应用方向进行综述研究,探讨学习者的在线学习行为的建模机制,建立了数据、机制、结果三层次模型,并从网络挖掘的角度对学习数据进行模式分类与解析。

基于大数据与人工智能技术的电力在线技术监督平台建设方案

本文结合内蒙古电网特点,介绍了内蒙古全区发电侧电力在线技术监督平台的设计方案。首先,明确提出了内蒙古电力在线技术监督平台的架构设计方案及应遵循相关要求,并对基于源、网、荷综合数据基础上重点开发的功能模块进行介绍;同时,结合平台建设中数据预处理等实际案例,详细阐述了云计算、人工智能与大数据技术相结合的具体应用策略以及在未来电力行业的应用;重点分享了在平台定位、功能设计、模块开发、网络架构设计等方面的一些思考和经验,以期为电力系统大数据技术的应用与开发提供有益借鉴。

基于数据挖掘与建模的智能发电人机交互式系统辨识平台研究与应用

在传统的火电机组建模研究中多用阶跃扰动等实验设计方式,但由于工业过程的复杂性、环境的多变性和实验的局限性,往往很难获得精确的模型,而智能监控系统又对火电机组过程模型的依赖程度很高。本文为解决火电机组精确建模的难题,建立面向人机交互的可视化系统辨识平台,通过对历史数据挖掘得到满足系统辨识要求的数据,利用先验知识及专家分析结果选择模型类、建模算法以及合适的超参数到辨识平台进行计算,而后采用二次辨识算法将复杂、高阶、非线性模型转化为热工过程系统中常用的传递函数结构,最后通过实验从不同角度交互评估所建模型的性能,在工业过程上的应用结果表明人机交互平台辨识得到的模型能用于预测控制、自抗扰控制器参数预估、参数预警等场景,并取得了良好的应用效果。

大数据审计平台构建研究

大数据审计是现代审计发展的必由之路,是促进国家治理体系和治理能力现代化的重要保障。当前,我国亟需一系列相对成熟的大数据审计平台构建方法,以此适应大数据时代下智能化审计的需求。大数据审计平台构建涉及审计学、大数据科学和计算机科学等若干学科理论,适用技术繁多,建设机制复杂。本文将大数据审计平台分拆为采集、预处理、分析和可视化四个子平台,基于方法支撑、过程建模和运行机理等方面对各个子平台作以专项研究,旨在为大数据审计实践提供建设性思路。

OLAP建模巅峰之旅 数据挖掘经典案例

本文主要从数据挖掘技术本身、数据挖掘技术与在线分析处理技术的对比中，以实际案例来展示数据挖掘的特点和优势，同时，将数据挖掘模型作为多维数据库的一个维度，实现了数据挖掘与在线分析处理的融合和企业数据更深层次信息的提取。

结合数据融合和数据挖掘技术的信息智能处理平台

数据融合技术能利用不同传感数据的冗余信息实现互补以提高信息处理的正确性 ;数据挖掘技术能从大量数据中挖掘和发现有价值和隐含的知识 ,用于建模和优化。本文研究结合数据融合和数据挖掘技术的信息智能处理平台 ,阐述了其功能和组成、知识表达和建模、知识推理和决策 ,并介绍了其在目标检测识别和医疗监护等领域的应用。

基于教育数据挖掘的在线学习机制研究——以“电子商务”课程为例

快速发展的信息化教育使在线学习在各类学习情境中被广泛应用,数据挖掘技术则为获取潜藏于海量数据中的有价值信息提供了有力支撑。文章以"电子商务"课程教学为例,对基于教育数据挖掘的在线学习机制进行了研究,在阐述在线学习数据挖掘领域现状的基础上,构建了在线学习者模型,为在线学习数据挖掘功能的完善提供参考。

基于数据挖掘的在线学习个性化服务方案设计

基于数据挖掘技术,在分析在线学习个性化服务的基础上,以Hadoop为大数据分析平台、MapReduce/Spark为计算框架设计了面向个性化服务的在线学习大数据挖掘解决方案。

基于大数据平台构建数据仓库的研究与实践

恒丰银行通过大数据平台构建数据仓库的项目实践,逐渐建立全行数据综合服务体系,即报表和查询体系、基于专业引擎的数据计算访问体系、数据分析服务体系、数据挖掘体系,最终形成了数据应用价值到最终用户的合理传导机制。

舰船能耗预测的云数据挖掘

能耗是舰船工作过程一个重要评价指标,针对当前舰船能耗预测方法存在预测错误率高、建模速度慢等不足,提出一种舰船能耗预测的云数据挖掘技术。首先分析国内外对舰船能耗的预测方法,找到各种舰船能耗预测方法的缺陷和不足,然后收集舰船能耗预测的数据,将云平台作为舰船能耗预测的建模环境,采用数据挖掘建立舰船能耗预测模型,最后进行舰船能耗预测效果的测试实验。云数据挖掘技术的舰船能耗预测精度超过了95%,可以描述舰船能耗预测的变化特点,对于大规模舰船能耗数据,本文方法的预测时间明显短于当前其他舰船能耗预测方法,具有十分明显的优势。

暴恐犯罪防控中的大数据适用问题研究

在反恐怖主义工作逐步推进下,我国暴恐犯罪虽然得到一定程度的遏制,但仍时有发生,危害巨大。如何及时预警和有效处置暴恐犯罪,是应对暴恐犯罪活动的工作重心之一。大数据时代提供了新的机遇,为识别和预测潜在的暴恐犯罪提供了新的手段。在利用大数据反恐方面,我国目前存在数据信息源不足、数据采集能力不强、数据挖掘和建模技术欠缺、数据融合与共享范围小、法律制度不完善等问题,严重妨碍了大数据在防控暴恐犯罪方面的作用。有针对性地解决上述问题,完善相关法律制度,有利于充分释放大数据在防控暴恐犯罪方面的潜能。

基于INM的在线教学系统的设计与实现

为向各大高校提供一个功能完善且通用的在线教学平台、充分结合在线学习和线下课堂教学的方式为教师和学生提供丰富的"教"、"学"功能模块,设计和开发在线教学系统Weblearn。系统使用Nginx、Memcached构建了多服务器的分布式集群,实现高并发下的负载均衡,提高系统可用性;以信息网模型INM(Information Networking Model)作为底层存储数据库,利用其关联存储、无模式存储等特点,采用级联查询和动态建模的方式提高系统的查询效率和可扩展性。提出INM在实际应用中的数据库建模方法及数据库访问方法,简化数据库建模过程。目前系统已经在武汉大学、湖北大学、加拿大卡尔顿大学投入使用,使用情况良好。

银行贵金属精准销售模型研究

当前,大数据的价值已经引起了各行各业的高度重视。在金融领域,大数据在客户精准营销、客户流失分析、风险防控、欺诈交易识别等方面逐步得到深入应用。各商业银行先后建立了自己的大数据平台,成立了数据建模实验室,开展数据建模研究,并将研究结果运用于客户关系管理等应用系统中。本文研究的贵金属精准销售模型,以数据分析为支撑,借助大数据挖掘技术,分析海量业务数据,追踪客户行为变化,精准定位客户需求,最终实现三个“合适”：在“合适的地点”将“合适的产品”销售给“合适的人”。

谈高校就业精准服务平台设计与实现

'互联网+'时代下,高校就业工作应紧随时代发展需要,实现就业精准化管理。就业精准服务平台中包括新闻发布、学生信息管理、企业信息管理、招聘管理、职业测评管理、权限管理、简历管理、职业匹配管理、数据挖掘管理等功能模块,从'供'与'需'两方面入手,满足就业精准服务工作需要,提高了高校就业工作的精准化水平,是适应国家就业精准服务要求的重要表现。

基于Apriori算法在煤矿安全预警系统中的应用

论文应用关联规则挖掘技术对煤矿安全预警系统参数进行数据挖掘,详细介绍了关联规则算法中的Apriori算法在煤矿安全预警系统中的应用及实现,促进了煤矿安全监测系统的监测性能。论文采用TipDM数据挖掘在线建模平台中的Apriori算法进行关联规则的挖掘,仿真结果表明该算法性能良好。