|
一、选题依据和目标（该研究的目的和意义、研究现状、主要参考文献）
K 近邻的快速密度峰值搜索并高效分配样本的聚类算法。 算法利用样本点的K 近邻信息定义样本局部密度, 搜索和发现样本的密度峰值, 以峰值点样本作为初始类簇中心; 提出两种基于K 近邻的样本分配策略, 依次分配样本到相应类簇中心, 得到数据集样本的分布模式. 理论分析和在经典人工数据集、UCI 数据集及Olivetti 人脸数据集的对比实验表明: 提出的基于K 近邻的密度峰值搜索聚类算法能快速发现任意形状、任意维度和任意规模数据集的类簇中心, 并合理分配样本到相应类簇, 揭示数据集样本的分布模式, 对噪声数据具有非常好的鲁棒性,聚类结果优于2014 年6 月发表在Science 的密度峰值点快速搜索聚类算法, 以及经典聚类算法AP,DBSCAN 和K-means。k近邻算法是一种非常有效的聚类算法, 可用于发现任意数据集的隐藏模式与规律。
ZRender
二、国内数据分析系统研究现状：目前国内针对数据方面主流分析系统使用的更多的是hadoop、storm、spark或者其他数据挖掘技术，还有就是基于android和nfc对一卡通数据进行分析挖掘。
高效消费行为分析系统所使用的这些技术在国内发展都已成熟，功能也比较完善，由k近邻算法进行聚类分析得出标准然后通过融合django框架与echarts相结合，既降低了冗余度，又使得前端呈现更美观、直接。
参考文献：
[1] 龚黎旰,顾坤,明心铭,徐明,秦斌.基于校园一卡通大数据的高校学生消费行为分析[J].深圳大学学报(理工版),2020,37(S1):150-154.
[2] 周思瑶.基于问卷调查的当代大学生消费行为研究[J].中国商论,2021,No.824,52-54.
[3] 张国.南京一大学生威胁老师给高分[N/OL].中国青年报,2011年08月01日03版[2021-1-1]
http://zqb.cyol.com/html/2011-08/01/nw.D110000zgqnb_20110801_1-03.htm#
[4] 罗懿丹.高校学生食品消费的社会学研究[J].食品研究与开发,2020,41(22):232.
[5] 黄婷.论不良学习风气下的大学生心理特质[J].湖南人文科技学院学报,2011,No.120,137-139.
[6] 李白.新时代大学生学习动力的教育激励策略研究[C].西安理工大学,2020.
[7] 罗汝婷;周奕彤;朱静.基于超前消费背景下大学生理财意识与规划研究[J].中国商论,2021,No.824,55-56.
[8] 王兆益;周爱平.基于ECharts的数据可视化系统设计[J].计算机与网络,2020,v.46;No.635,64-66.
[9] 裴丹丹. 基于ECharts的数据可视化实现[D].北京邮电大学,2018.
[10] Yifu Sheng,Weida Chen,Huan Wen,Haijun Lin,Jianjun Zhang. Visualization Research and Application of Water Quality Monitoring Data Based on ECharts[J]. 1 College of Engineering and Design, Hunan Normal University, Changsha, China.;2 Zhaoyin Network Technology (Shenzhen) Co., Ltd., Shenzhen, China.; Corresponding Author: Jianjun Zhang.,2020,2(1).
[11] Grehan, Rick. Pillars of Python: Six Python Web frameworks compared[J]. InfoWorld.com,2011.
[13] 黄晶,毛美琪,陈娅,刘龙华,张宇东.互联网信贷对大学生消费行为的影响——基于北京地区高校的研究[J].商场现代化,2020(22):4-7.
[14] 华红艳.基于数据挖掘聚类分析的犯罪预警方法研究[J].信息技术,2020,44(12):38-42.
[15] 吴春梅,蒋林利,余荣川.基于Python和Django框架的二级学院资料室图书管理系统设计与实现[J].无线互联科技,2020,17(16):67-70.
[16] 李阳.基于Echarts数据分析的新生报到系统设计[J].物联网技术,2020,10(12):88-89.
[17] 谢娟英;高红超;谢维信,K近邻优化的密度峰值快速搜索聚类算法,【J】,中国科学:信息科学,2016,138-160,138-160
|
