6篇关于系统设计与实现的计算机毕业论文

今天分享的是关于系统设计与实现的6篇计算机毕业论文范文, 如果你的论文涉及到系统设计与实现等主题,本文能够帮助到你

基于模型融合的慕课风险学习者预测系统研究

这是一篇关于MOOC,学习分析,风险学习者预测,模型融合,系统设计与实现的论文, 主要内容为大规模在线开放课程(MOOC,慕课)这一概念自2008年被提出,2012年开始在世界范围内兴起。慕课的诞生旨在为每一位学习者提供平等且高质量的学习资源,特别是在新冠疫情的大背景之下,慕课更是凭借其先天的优势成为了世界各国大力推广的教育方式。但是慕课由于缺乏强约束性,其高退课率以及低通过率也广为学界所关注。越来越多的研究者开始着手研究如何提升慕课的留存率以及通过率,其中,针对慕课平台学习者群体中那些存在无法完成课程风险的风险学习者进行识别是其中的一个可行方案。同时,由于学习者在慕课平台学习的过程中会产生大量的学习行为数据,因此很多研究将机器学习技术应用于慕课风险学习者的预测工作中。慕课平台针对风险学习者施加个性化的援助,即可提高课程的留存率以及通过率。为了提升慕课平台的整体学习效果,对平台中存在的风险学习者能够精准的识别,本文通过机器学习技术搭建了风险学习者预测模型,为了提升模型的性能,本文进一步引入了模型融合技术,训练的融合模型在OULAD数据集上取得了最高0.98的AUC分数。本文的主要工作如下:本文基于OULAD开放大学学习分析数据集来开展研究,由于该数据集结构较为复杂,因此本文首先对数据集进行了详细的分析与梳理。在特征工程的工作中,本文希望探究特征时间属性对模型性能的影响,因此使用了两种不同的特征提取方式,最终得到了两个特征集,另外,本文还进一步使用XGBoost评估了特征的重要性,并完成了特征选择工作。针对特征工程得到的两个特征集,本文分别采用了集成学习中的Boosting算法(XGBoost、AdaBoost、GBDT)以及Bagging算法(Random Forest)训练单一模型,并进一步通过Voting以及Stacking的方法构建比单一模型性能更好的融合模型。在上述算法模型的基础上,本文进一步设计并实现了一个慕课风险学习者预测系统。本系统的整体架构为当下广为采用的前后端分离模式,后端使用Spring Boot框架搭建,前端则使用Vue框架搭建。此外,考虑到实际使用时系统中的数据量会越来越大,本系统在进行数据库设计时,对部分数据量较大的表进行了水平分片设计,以提升数据库整体性能。在功能方面,本系统包括了登录与注册、用户权限管理、学习者信息维护、风险学习者预测、风险学习者指导以及数据统计这六大模块。用户通过将学习者的学习数据上传至系统,即可预测学习者是否为风险学习者,预测过程将会调用实验中表现最佳的融合模型,预测结果将会直观的展示给用户,用户还可以选择导出历史预测结果。对于预测结果为有风险的学习者,本系统还提供一键发邮件的功能,用户可以针对这些风险学习者发送邮件,从而达到针对性指导的目的。

基于混合优化BP神经网络的水质预测系统的研究与实现

这是一篇关于时间序列,数据预处理,水质预测,系统设计与实现的论文, 主要内容为近几年来,随着我国经济的飞速发展,生态环境破坏严重,科技进步与生态环境不协调发展所带来的压力日趋严峻。水资源短缺与水环境污染等情况表现严重,对我国水环境进行科学管理和有效保护有着极为重要的意义,对未来水环境质量进行预测是水资源保护的重要手段。本文以京津冀区域某个国控断面的地表水水质监测站2018年～2019年的主要水质指标PH、溶解氧(DO)、总磷(TP)、总氮(TN)等12项参数为对象,对水质时间序列预测进行研究。考虑到河流断面是复杂的动态的非线性水环境系统,水环境中的各指标参数存在大量的非线性特征,因此本文提出了基于粒子群算法和遗传算法混合优化BP神经网络的水环境因子预测模型,并提出了基于改进粒子群优化算法的深度神经网络水质类别预测模型。实验结果证实了本文提出的算法在预测过程中具有较好的预测精度和鲁棒性。对水质预测模型研究主要包含以下几个方面:(1)数据的预处理。数据来源于该区域断面水质监测站的真实数据,由于采集设备误差和人为操作失误等不可控因素,造成数据存在空缺值、异常值、交叉错乱等实际问题,为了不影响后续的分析和预测,需对这些数据进行获取、整合、清洗等一系列预处理步骤,为下一步的研究提供数据支持。(2)水质预测模型构建。首先对预处理后的数据进行分析,然后从预测水环境因子(连续值)和水质类别(离散值)的角度出发,最终选择BP神经网络和深度神经网络两种不同的预测模型。对连续值预测,采用BP神经网络来进行,并针对算法核心参数难以确定的问题设计了基于粒子群算法和遗传算法相结合的优化算法来优化BP神经网络,同时与未优化的BP神经网络、粒子群优化的BP神经网络和遗传算法优化的BP神经网络预测算法进行对比;在离散值预测问题上,采用改进粒子群优化深度神经网络算法,与支持向量机算法和未经优化的深度神经网络预测模型进行了对比实验。建立性能评价指标,并用测试集数据对模型性能进行测试实验,结果表明本文提出的两种类别的水质预测模型效果均优于其对比模型,从而验证了对于该数据集样本,本文提出的预测模有更好的准确性和预测能力。(3)系统设计与实现。采用以满足业务需求为导向的设计原则,对系统的整体功能和各模块功能进行了详细地设计,并以此构建了相应的数据库结构。系统使用Bootstrap前端架构,结合Spring+Spring MVC+Mybatis这种组合框架进行后台开发,用Java语言完成系统开发和实现过程,使用UML类图解释各功能模块后台实现步骤,通过Echarts可视化方式将水质预测结果进行界面展示,并通过线上测试验证系统的性能和可用性。水质预测系统依托于“京津冀区域水环境管理大数据平台”课题,实现了对河流断面水质进行预测并展示的业务需求,在管理者对未来事件的决策中发挥重大作用,具有一定的指导意义和应用价值。

基于GCN-LSTM的空气质量预测系统的设计与实现

这是一篇关于空气质量预测,数据缺失处理,系统设计与实现,LSTM,网格化监测的论文, 主要内容为近年来随着我国经济实力的快速发展,不可避免的带来了一定的环境污染问题,尤其是大气污染。这些环境污染问题已经给人民群众的生活质量和我国经济的快速发展造成了一定的影响。为了能够快速发现和应对空气污染问题,一些地区已经开始采用空气质量的网格化监测技术来加强对环境情况的监测与管控。所以,为了能够更好的利用网格化监测技术带来的大量数据,提前发现空气污染情况,搭建一套可以使用历史空气质量监测数据来预测未来一段时间空气质量的可视化系统,是可以为我国的环境治理工作带来一定帮助的。本文的主要工作如下:(1)收集整理沈阳市浑南区18个位于空气质量网格化监控中的微型监测站的6种空气中污染物(PM2.5,PM10,O3,CO,NO2,SO2)浓度数据并进行数据预处理。(2)在分析了空气中污染物浓度数据中缺失记录前后的数据特征的基础上提出了一种融合双向GRU的空气质量数据缺失填补算法(Bi-GRU),填补算法相比以往研究中的线性插值填补算法表现更优。(3)考虑到网格化监测中各个微型监测站之间的空间关联,提出了一种基于GCN-LSTM的空气质量预测算法,GCN-LSTM算法在空气质量预测方面相比于传统的LSTM算法表现更优。(4)以Bi-GRU算法和GCN-LSTM算法为基础,结合Spring Boot,Vue和Redis等技术,搭建并测试空气质量预测系统。

基于Android系统的便携式人脸考勤系统

这是一篇关于系统设计与实现,考勤管理,人脸识别,Android的论文, 主要内容为当前各个企事业单位都对门禁安全比较重视,大部分都采用了打卡方式、指纹方式或人脸识别方式来完成考勤工作。这种考勤方式携带便利性、数据管理和统计汇总等方面存在着不足。论文主要研究基于Android的便携式人脸考勤系统,采用人脸识别技术,通过Android移动端实现便携式人脸考勤管理,保证了考勤的准确性,提高了单位考勤效率。实现的功能模块包括用户管理、数据管理、考勤管理、系统后台。论文立足于目前单位在人员考勤方面存在的问题,结合人脸识别技术,提出便携式人脸考勤需求,以提高考勤效率为目标,完成了系统需求分析。通过需求分析了解了人脸考勤的业务流程,进而得到系统所实现的功能,系统功能包括用户管理、数据管理、考勤管理、系统后台等,通过系统功能分析,掌握了系统移动端和后台管理需要具备的功能。结合系统运行环境,完成了系统非功能性需求分析。在需求分析基础上,完成了系统总体设计,其中系统服务端采用JavaEE架构,移动端采用Android,包括:业务关系层、系统功能层、数据支持层和表示层等多层结构设计,通过数据库概念模型和物理模型完成了系统数据库设计。系统概要设计完成后,对其加以分析,完成用户管理模块、数据管理模块、考勤管理模块和系统后台模块,同时画出时序图和类图来表示系统各个模块的设计过程,这些功能模块构建了便携式人脸考勤系统,其中用户管理完成所有考勤对象的注册与管理,数据管理用于实现考勤数据的导入与导出,考勤管理实现基于人脸识别的考勤模式和人工考勤相结合功能,系统后台完成人脸数据采集到后台特征识别的过程,通过四个功能模块,构建了集移动端考勤与后台数据统计汇总相结合的统一管理平台。在完成模块设计后,服务端采用JavaEE完成了各模块的技术实现,在模块实现时,采用了较典型的功能进行实现过程的描述。论文在实现功能模块后,分别选取了典型的功能,完成了系统的功能、性能的测试。测试结果表明,系统功能达到了人脸考勤的需求;系统性能能够满足公司多用户并发访问,系统运行稳定。

基于互联网+的脾胃常见病中医辅助预问诊系统设计与实现

这是一篇关于中医问诊,脾胃病,辅助预问诊,JavaScript,系统设计与实现的论文, 主要内容为目的:本研究构建基于互联网+的中医辅助预问诊系统,提供吉林省偏远地区脾胃常见病预问诊服务,通过本系统获取患者的诊前症状信息,辅助临床医师提前了解患者病情,提高临床医师的诊疗效率,优化问诊患者的就医流程,同时也提高偏远地区患者就医满意度,实现医疗流程的精细化管理,以及实现更高质量和效率的医疗服务。方法:从吉林省柳河县中医院电子病历系统中采集从2018年1月至2021年10月期间符合纳入标准的所有脾胃科住院患者的病程记录信息,提取患者诊断病名、证型及症状信息。经筛选最终纳入302份样本作为分析数据,运用频数统计分析、聚类分析、因子分析方法,以及多版本《中医内科学》教材中的中医理论,综合分析设计常见证型问诊诊断表。依据问诊诊断表设计问诊提问逻辑,运用MYSQL数据库管理系统存储表数据,使用Spring Boot+Spring MVC平台开发框架,前端使用HTML5+Java Script+j Query框架开发方法,开发设计脾胃常见病中医辅助预问诊系统。结果:1.本研究共获取306份病历样本,依据《中医诊断学》中医理论进行规范与统计筛选,最终纳入302份样本作为分析数据,确定胃痛、腹痛、便秘、泄泻、呕吐五种脾胃常见病类型,以及胃气壅滞、胃阴不足、脾胃虚寒、肝胃气滞、肝胃郁热、湿热蕴结、寒湿泄泻、暑湿泄泻、食滞肠胃、肝气犯胃、肠胃积热11种地区主证型类型。2.运用频数统计分析、因子分析、聚类分析方法、以及多版本《中医内科学》教材中的中医理论,综合分析得到问诊诊断表。诊断表中包含5种地区脾胃常见病名、11种地区主证型、以及各证型中主症及兼症症状变量69个。3.依据问诊诊断表进行脾胃常见病预问诊逻辑设计,开发并搭建辅助预问诊系统。系统实现功能模块包括登录模块、预问诊模块、症状信息补充模块、导出预问诊记录模块四个部分。患者登录系统后首先需要进行身份认证,然后根据系统给出的提问选项,选择符合自己的症状信息,在结束问诊后,可以补充自己未被记录的症状信息,最终导出预问诊记录,形成预问诊病历。结论:本研究设计的脾胃常见病中医辅助预问诊系统,能够提供吉林省偏远地区脾胃常见病预问诊服务,采集脾胃常见病患者的诊前症状信息,形成预问诊记录。该系统能够帮助临床医师更好地了解患者的病情,并提前进行干预,提高诊疗质量及效率。利用本系统患者在就诊前有充足的时间回顾自身症状,描述病情,大大改善患者的就医体验,促进居民健康发展。