7篇关于k-means的计算机毕业论文

今天分享的是关于k-means的7篇计算机毕业论文范文, 如果你的论文涉及到k-means等主题,本文能够帮助到你

基于混合推荐的志愿活动管理系统的设计与实现

这是一篇关于志愿活动,管理系统,混合推荐,用户画像,k-means的论文, 主要内容为传统的志愿活动组织和管理工作存在志愿信息发布范围小、活动组织管理效率低等问题,在大力发展社会文明建设和高度信息化的社会背景下,已渐渐不能满足志愿服务快速发展的需求。本文根据当前志愿活动组织和管理工作所存在的不足设计和实现了志愿活动管理系统,可以实现志愿活动的线上申请和审批,活动信息的线上发布,志愿活动的线上预约,活动数据信息的线上管理与分析等,能够有效地促进志愿活动的开展。针对志愿活动管理系统,本文首先从功能性和非功能性两个方面进行需求分析,并且对系统的整体架构进行了详细的说明。基于具体需求,志愿活动管理系统在结构上分为PC端和移动端两大部分。整个系统基于Spring Boot框架进行搭建,使用My SQL数据库,并利用Redis实现数据缓存功能,以优化系统相应模块。在系统PC端部分,使用RSA加密方式对账号密码传输进行保护,使用定时任务完成志愿活动管理的相关工作,使用Redis缓存热点数据以提高系统响应速度。在系统移动端部分,主要使用微信官方提供的授权登录、腾讯地图、二维码扫描和模板消息等功能辅助实现系统的部分功能。同时在系统移动端可预约活动模块,使用混合推荐算法为志愿者提供志愿活动的个性化推荐。首先通过基于用户画像的推荐算法生成活动推荐,针对实时推荐的时间花费问题使用k-means算法对志愿者进行聚类以减少推荐生成的时间,然后结合基于内容的推荐算法解决项目冷启动问题。最后,对本论文完成的主要工作进行了总结,并对系统未来的前景进行了展望。本文设计并实现的志愿活动管理系统,通过了功能性和非功能性测试,并在试运行期间取得了较好的效果,对志愿活动的组织与开展提供了较大的帮助。本文的研究成果对推动该地区志愿服务的发展有一定的现实意义。

基于Struts的智能在线考试系统的研究与实现

这是一篇关于在线考试系统,聚类分析,JSP,Struts,Hibernate,k-means的论文, 主要内容为随着计算机网络技术的不断发展和信息技术的日趋成熟，Web应用正逐渐深入社会的各个层面，门户网站、网上商城和社交网络等屡见不鲜。教育领域与计算机网络也在进行紧密的结合，随之而来便出现了基于Web的在线考试模式。与传统考试模式相比，在线考试真正实现了无纸化考试，解决了传统考试模式的弊端，并且它将传统考试人工出题、考生考试、成绩评估和试卷评估都集成到了一个系统之中，大大缩减了教师的工作量，提高了学校的教学水平，而且几乎屏蔽了所有人工干预考试活动的可能性，提高了考试的客观性和公平性。而且借助于Internet能够实现在任何时间、任何地点进行考试，大大拓展了考试的灵活性。采用基于Web的在线考试模式将是以后考试发展的趋势。在我国，当前大部分的考试仍然采用传统的考试模式。这种考试模式不但要花费大量的人力物力，而且效率低下，不能确保试题的保密性和阅卷的公平性，因此不能满足现代考试的需要。随着计算机网络技术的发展和普及，人们迫切需要将传统的考试模式转变为在线的考试模式。这种基于Web的模式提高了试题的保密性和阅卷的公平性，而且可以自动对考试结果进行评估，大大减少了工作量。现在基于Web的在线考试系统能够实现的基本功能如下：1、试题的录入、修改和删除。2、自动组卷。3、成绩评定。4、试题评估。但是现有大部分系统的自动组卷功能效果往往不尽如人意，它们不能区分知识点和问题的难易度等问题，因此导致生成的试题质量不高。因此本文在前人对自动组卷算法研究的基础上，采用了k-means聚类分析算法实现了自动组卷功能。本文介绍了在线考试系统的研究背景及国内外现状，概述了在线考试系统使用的相关技术，包括JSP技术、MVC设计模式、Struts框架、Hibernate框架、jQuery和聚类分析算法等。然后详细阐述了在线考试系统的总体结构、数据库设计、各个模块的设计以及具体实现过程。

基于窄带物联网的中药材种植智能测控系统的设计与实现

这是一篇关于中药材,窄带物联网,STM32单片机,k-means,GRNN的论文, 主要内容为随着新型冠状病毒肺炎的全球性的爆发,各个国家都在积极寻找治疗新型冠状肺炎的有效医疗方法,而中医和中药材在这次治疗疫情中发挥了重要作用,中药材在全世界再次得到了广泛的认可。本文主要针对当前销售市场上中药材药效和质量良莠不齐等问题,设计和实现了一套基于窄带物联网的中药材种植智能测控系统。本系统采用了窄带物联网技术,结合STM32单片机和传感器技术,本系统能够对影响中药材生长的环境因素实现实时监测和及时调整。对于所监测和控制的中药材,本系统运用层次分析法结合专家、药农指导明确该种中药材种植的环境适宜性等级,将监测到的中药材环境生长数据通过改进的k-means聚类算法去除噪声后再经过广义回归神经网络算法(General Regression Neural Network,简称GRNN神经网络算法)对该种中药材生长环境进行评价预测。根据中药材的生长环境评价判断该种中药材是否符合规范,实现中药材种植过程溯源。同时,根据环境预测,可以预警药农提前调整中药材的种植环境,让中药材始终处于合适的生长环境中,增加中药材的质量和产量。本系统可以应用于不同的中药材种植环境中,既可以安装在户外(荒山野岭)进行规模化中药材种植,亦可以安装在室内(大棚)进行小规模名贵药材种植。本文完成的主要工作如下:(1)研究了物联网传输的通信技术。针对中药材种植和生长的地理位置以及所处的网络环境,采用了窄带物联网通信技术实现数据的传输。(2)设计了嵌入式网关硬件以及软件。在硬件上,设计了嵌入式网关,使用了不同的传感器用来采集影响中药材生长的主要环境参数,在软件上,根据需求设计了应用程序并实现了各个模块的功能。通过感知层的传感器节点实现对各个环境数据的采集,通过分析后由传输层传输到应用层服务器的数据库中,本系统能够监测和控制影响中药材生长的主要环境因素有空气温度、空气湿度、光照强度、土壤温度、土壤湿度、土壤盐分和土壤酸碱度等。(3)根据种植中药材的品种通过层次分析法确定该种中药材生长环境等级中的各个参数指标范围,然后将传感器采集的中药材种植的环境参数的原始数据经过改进的k-means算法降噪后再经过GRNN神经网络算法后得出该种中药材生长环境评价预测。同时将监测到数据加入中药材生长库为后续管理人员和药农提供有效种植经验。(4)设计了云服务器模块,应用程序采用B/S架构,实现零安装,开发了微信公众号方便用户使用,采用前后端分离开发方式,前端主要使用Vue.js框架来布局页面,后端使用node.js搭配express框架,数据库使用了非关系型数据库MonogoDB

基于图嵌入与强化学习的推荐系统中的投毒攻击检测

这是一篇关于投毒攻击,元路径,决策树,强化学习,k-means的论文, 主要内容为近年来,推荐系统采用的算法逐渐从传统的基于协同过滤的算法向着基于深度学习的方向转变。深度学习模型本质上的对抗性使得基于深度学习的推荐系统更容易遭受攻击,同时深度学习模型的有效性使得攻击者增强了攻击算法。代表性地,攻击者通过使用生成对抗网络模型,模拟真实用户的评级分布制作用户攻击概貌对基于深度学习的推荐系统进行投毒攻击,造成推荐系统性能下降。推荐系统中的投毒攻击问题,严重影响推荐系统的性能,导致平台利益受损,用户体验失衡。现有检测算法没有有效提取用户和项目矩阵中的静态极值特征,导致用户嵌入表示效果不佳。并且,现有检测算法没有有效提取用户和项目矩阵中用户项目的动态关联特征,导致检测准确率不高。针对上述问题,本文提出了两种检测算法对推荐系统中的投毒攻击进行检测。首先,针对现有检测方法没有有效提取用户和项目矩阵中静态极值特征,导致节点嵌入表示效果不佳的问题,本文提出一种基于图嵌入的投毒攻击检测算法。该算法通过构建LMGCN模型提取一阶邻域极值特征,构建元路径相似度矩阵提取二阶邻域极值特征,使用决策树算法对融合特征二分类完成投毒攻击检测任务。其次,针对现有检测方法没有有效利用用户和项目矩阵中动态关联特征,导致检测准确率不高的问题,本文提出一种基于强化学习的投毒攻击检测算法。该算法通过用户项目交互矩阵,用户项目评分矩阵,用户关系矩阵,用户项目关系矩阵分别设计强化学习模型,对强化模型求解得到多条用户模板序列,分别采用k-means聚类算法以用户模板序列为初始聚类中心进行聚类,判别虚假用户聚类集合来完成投毒攻击检测任务。最后,本文提出的两种检测算法在面对不同攻击算法,在不同攻击规模下,不同的数据集上进行了实验,验证了算法的有效性。

协同过滤推荐系统中的冷启动问题研究

这是一篇关于推荐系统,协同过滤,冷启动,k-means,决策树的论文, 主要内容为随着互联网的普及和电子商务的迅猛发展,人们在享受越来越多信息服务的同时也面临着信息过载问题所带来的困扰。如何在不断膨胀的资源中迅速、准确地找到适合用户的信息,满足用户的个性化需求,逐渐成为众多研究者和网络用户关注的热点问题。个性化推荐系统就是在这样的背景下应运而生。它最大的优势在于能够快捷,准确地定位用户真正需要的信息,缓解信息检索的压力。协同过滤推荐技术是推荐系统中应用最广泛和成功的推荐技术,但随着用户数量的急剧增长,协同过滤推荐算法面临着一些挑战。冷启动是推荐算法中尚未得到有效解决的一个关键问题。现有协同过滤算法主要通过分析与挖掘评分矩阵,找到与目标用户兴趣相似的最近邻,根据这些最近邻的建议得到推荐。然而系统无法对新用户、新项目进行有效推荐,因为它们缺乏足够的评分信息。由于推荐系统中一般都保存了用户和项目的内容信息,这启发我们结合内容信息对传统的协同过滤算法进行改进。本文的主要工作如下: (1)提出一个用于解决协同过滤推荐算法冷启动问题的算法框架。该框架首先利用用户-项目评分信息进行聚类、然后利用内容信息和聚类结果建立分类模型,借助分类模型对新用户新项目进行分类,最后结合传统的协同过滤技术产生推荐。所提算法框架克服了新用户新项目由于缺乏评分信息而无法找到相似邻居的不足。通过对算法框架的具体细化可以同时适用于解决新用户和新项目问题。 (2)对所提算法框架进行改进和细化。针对用户评分矩阵非常稀疏,根据原始评分矩阵进行聚类得到的结果不具有代表性的问题,本文在聚类前对原始评分矩阵进行预填充,在填充后的评分矩阵上利用K-means算法进行聚类。而K-means算法中聚类效果受初始点选择影响,对初始点选择进行了优化,选择评分个数较多,所有评分均误差最小的用户或项目作为初始聚类中心点。利用改进后的所提算法分别对新用户和新项目问题进行了有效的解决。最后,本文通过实验对所提算法进行评估,并与传统的协同过滤算法和现有解决冷启动问题常用算法进行相比较,实验结果证实了本文提出的算法在解决冷启动问题上的可行性、正确性和有效性。