基于Map-Reduce的移動學習用戶群聚類分析.pdf

1、近年來，隨著移動通信、移動互聯(lián)網(wǎng)、智能終端等技術的高速發(fā)展，移動上網(wǎng)用戶日益普及，加之社會競爭壓力的增大，人們渴望能夠隨時、隨地進行任何方式的學習。在此背景下，移動學習(M-Learning)應運而生，并由于具有便捷性、靈活性、交互性、個性化等優(yōu)點得到蓬勃發(fā)展，移動學習的各種數(shù)據(jù)規(guī)模也隨之呈現(xiàn)出爆炸式增長，人們在移動學習中面臨著“數(shù)據(jù)豐富，知識匱乏”的尷尬處境，如何從海量的移動學習數(shù)據(jù)資源中提取出有價值的信息，成為一個亟待解決的問題。<

2、br>　　本文提出將聚類分析、Map/Reduce分布式編程技術應用于移動學習領域:第一章簡要介紹了論文的選題背景、研究內容和意義;第二章詳細介紹了移動學習、聚類分析等相關技術的原理;第三章針對移動學習中最活躍的大學生群體，精心設計了調查問卷，在駐漢多所深入調研后，對大量調研數(shù)據(jù)進行了統(tǒng)計處理和數(shù)據(jù)清洗，并量化處理各變量值后，利用TwoStep算法對數(shù)據(jù)樣本進行了聚類分析，將移動學習用戶群劃分為三個特征各異的簇，通過深入分析實驗結果，發(fā)

3、現(xiàn)不同移動學習用戶群的學習模式，驗證了開展相關研究的必要性和可行性，對當前開展移動學習研究具有啟發(fā)性的指導意義。
　　受終端設備計算、存儲能力所限，對移動學習數(shù)據(jù)進行傳統(tǒng)的聚類時效率低下，乃至處理大規(guī)模數(shù)據(jù)時會程序崩潰等，無法滿足移動學習者的實時性、便捷性等特殊需要。為解決這一難題，本文第四章結合當前云計算中最流行的分布式Map/Reduce計算模型，探討并實現(xiàn)了基于Map/Reduce的移動學習中數(shù)據(jù)聚類算法，并通過實驗將集群和