基于jBPM的智能化教务管理系统设计与实现
发布时间：2020-12-09 20:51
针对高校招生规模逐年扩大,教育工作者的工作量不断增加,教学效率要求不断提高。本文设计并实现了智能化教务管理系统,研究了基于jBPM的教务管理系统软件体系结构、模糊聚类算法的改进、系统的实现与应用,具体内容归纳为以下几个方面:1、基于jBPM的教务管理系统软件体系结构的研究:阐述了教务管理系统的特点以及相关业务流程,分析了jBPM工作流引擎体系结构和基于SSH框架的软件体系结构,教务管理系统的整体结构和相关功能,以及协同jBPM和SSH框架的教务管理系统。对人工智能的发展、智能化方法对教务管理系统的应用进行了介绍,我们选用了人工智能领域的CBR系统进行建模,在CBR系统中,通过归一化处理,模糊聚类计算,相似度度量的方法匹配出与目标案例相似度最大的原案例,从而实现为教学决策带来便利的结果。2、模糊聚类算法的研究与改进:通常模糊聚类算法迭代的停止条件,是通过限定广义最小二乘目标函数增量的阈值来实现,而目标函数是由聚类中心和隶属度构成。我们摒弃了目标函数的迭代方法、在进行深入了理论研究后,根据偏导数的原理,而采用了聚类中心迭代的方法,简约了计算过程,优化了空间复杂度。在教学过程的五维数据中得到...
【文章来源】：北方民族大学宁夏回族自治区
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
课程申请流程图
北方民族大学2020届硕士学位论文第二章相关理论与技术-17-iQ，每个样本j属于某一类i的隶属度为i,ju，m为模糊精度一般取值范围2与3之间，我们定义一个FCM目标函数（1）和约束条件（2）。2,11cnmijjiijJuQ===（1）,11,1,2,...,cijiujn===（2）其中，i,ju表示的是样本j与第i类的兼容度或可能性，假设我们提取了三个特征属性为例，转换到具有三个维度的空间中表现出来。如图2-8所示，我们要把这20个样本对象分成3个类（或者3个簇），因此，这里c的值定为3。i的值分别是i=1，i=2，i=3。以图中第四个样本对象4为例进行聚类说明，公式（2）的约束条件可以写成:3,,41,42,43,4111cijiiiuuuuu=====++在三个维度的空间中：1,4u表示样本4属于第一个簇，即i=1的类的可能性；2,4u表示样本属于第二个簇，即i=2的类的可能性；3,4u表示样本属于第三个簇，即i=3的类的可能性（图中以虚线表示）。1Q表示第一个簇的聚类中心,2Q表示第二个簇的聚类中心，3Q表示第三个簇的聚类中心。且在各自的维度中都有数值对应。再计算4到各个簇的中心的距离（用实线表示），即图中41Q，42Q，43Q所显示。距离的平方再乘以隶属度（可能性）就组成了目标函数的关系式，我们令m=2，并带入其他数值，则公式（1）成为：320222,,1111cnmijjiijjiijijJuQuQ======图2-8三个维度模糊聚类图
北方民族大学2020届硕士学位论文第四章模糊聚类算法分析与设计-48-789101213242628293234353637,,,,,,,,,,,,,,之间的距离为：d0,7=1.421,d0,8=1.3716,d0,9=1.3436,d0,10=1.4906,d0,12=1.2878,d0,13=1.4051,d0,24=0.6288,d0,26=0.7215,d0,28=1.3863,d0,29=1.3966,d0,32=0.4423,d0,34=0.8389,d0,35=1.5177,d0,36=0.3001,d0,37=0.5444.经过数据的对比，显示0与36具有最大相似度。4.5.2可视化聚类效果显示根据16级信息管理与信息系统班、操作系统课程的五个维度的聚类结果，将数据汇总到.txt文档，按照相关的规则排列好数据，直接将.txt文档导入Cytoscape可视化绘图软件中，Cytoscape将自动生成FCM模糊聚类后的效果图，从图中我们可以看到，归属聚类中心为3的同学数量仅有四名，而其于两个类的同学数量比较多，如图4-13所示。图4-1316级信息管理与信息系统班聚类效果图4.5.3对于jBPM实训课程的实验结果与分析模糊聚类算法可以应用于所有统计学中，可以对多维度数据进行统计，无论维度数据是逐步产生还是同时产生，都可以应用。显然，jBPM课程考核的成绩是同时产生的数据。由于一名研三助教与四名研二助教都已参加到45名本科生的考核过程，附录1为五个维度45个样本的模糊聚类数据集；图4-14为模糊聚类效果图，此次分类分为五个类。
【参考文献】：
期刊论文
[1]基于5G技术的教育信息化应用研究[J]. 卢向群,孙禹. 中国工程科学. 2019(06)
[2]后MOOC时代开放大学探究式网络课程建设策略研究[J]. 张俊娥,王东,郭保林. 成人教育. 2019(12)
[3]用于图像分割的非局部空间约束的核FCM算法[J]. 康家银,张文娟. 南京师大学报(自然科学版). 2019(03)
[4]面向漏洞管理的工作流技术应用研究[J]. 杨诗雨,苏丽丽,侯元伟,郝永乐,李伟平. 北京理工大学学报. 2019(09)
[5]来路与进路:5G+AI技术场域中的教与学新审视[J]. 张坤颖,薛赵红,程婷,王家云,张家年. 远程教育杂志. 2019(03)
[6]高校学生资助管理系统的设计与实现[J]. 张朝晖,王罡,高淑娟,陈恩桃. 实验室研究与探索. 2019(05)
[7]工作流管理在新高考改革录取工作中的应用研究[J]. 卢岩红. 当代教育科学. 2019(04)
[8]人工智能教育应用的实然分析:教学自动化的方法与限度[J]. 张志祯,张玲玲,罗琼菱子,郑葳. 中国远程教育. 2019(03)
[9]面向模式软件体系结构合成中的冲突消解方法[J]. 徐永睿,梁鹏. 软件学报. 2019(08)
[10]学术聚焦|人工智能教育应用[J]. 中国远程教育. 2019(01)
硕士论文
[1]基于服务质量的云工作流调度工具的研究与应用[D]. 马晓虹.北方民族大学 2017
本文编号：2907456
【文章来源】：北方民族大学宁夏回族自治区
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
课程申请流程图
北方民族大学2020届硕士学位论文第二章相关理论与技术-17-iQ，每个样本j属于某一类i的隶属度为i,ju，m为模糊精度一般取值范围2与3之间，我们定义一个FCM目标函数（1）和约束条件（2）。2,11cnmijjiijJuQ===（1）,11,1,2,...,cijiujn===（2）其中，i,ju表示的是样本j与第i类的兼容度或可能性，假设我们提取了三个特征属性为例，转换到具有三个维度的空间中表现出来。如图2-8所示，我们要把这20个样本对象分成3个类（或者3个簇），因此，这里c的值定为3。i的值分别是i=1，i=2，i=3。以图中第四个样本对象4为例进行聚类说明，公式（2）的约束条件可以写成:3,,41,42,43,4111cijiiiuuuuu=====++在三个维度的空间中：1,4u表示样本4属于第一个簇，即i=1的类的可能性；2,4u表示样本属于第二个簇，即i=2的类的可能性；3,4u表示样本属于第三个簇，即i=3的类的可能性（图中以虚线表示）。1Q表示第一个簇的聚类中心,2Q表示第二个簇的聚类中心，3Q表示第三个簇的聚类中心。且在各自的维度中都有数值对应。再计算4到各个簇的中心的距离（用实线表示），即图中41Q，42Q，43Q所显示。距离的平方再乘以隶属度（可能性）就组成了目标函数的关系式，我们令m=2，并带入其他数值，则公式（1）成为：320222,,1111cnmijjiijjiijijJuQuQ======图2-8三个维度模糊聚类图
北方民族大学2020届硕士学位论文第四章模糊聚类算法分析与设计-48-789101213242628293234353637,,,,,,,,,,,,,,之间的距离为：d0,7=1.421,d0,8=1.3716,d0,9=1.3436,d0,10=1.4906,d0,12=1.2878,d0,13=1.4051,d0,24=0.6288,d0,26=0.7215,d0,28=1.3863,d0,29=1.3966,d0,32=0.4423,d0,34=0.8389,d0,35=1.5177,d0,36=0.3001,d0,37=0.5444.经过数据的对比，显示0与36具有最大相似度。4.5.2可视化聚类效果显示根据16级信息管理与信息系统班、操作系统课程的五个维度的聚类结果，将数据汇总到.txt文档，按照相关的规则排列好数据，直接将.txt文档导入Cytoscape可视化绘图软件中，Cytoscape将自动生成FCM模糊聚类后的效果图，从图中我们可以看到，归属聚类中心为3的同学数量仅有四名，而其于两个类的同学数量比较多，如图4-13所示。图4-1316级信息管理与信息系统班聚类效果图4.5.3对于jBPM实训课程的实验结果与分析模糊聚类算法可以应用于所有统计学中，可以对多维度数据进行统计，无论维度数据是逐步产生还是同时产生，都可以应用。显然，jBPM课程考核的成绩是同时产生的数据。由于一名研三助教与四名研二助教都已参加到45名本科生的考核过程，附录1为五个维度45个样本的模糊聚类数据集；图4-14为模糊聚类效果图，此次分类分为五个类。
【参考文献】：
期刊论文
[1]基于5G技术的教育信息化应用研究[J]. 卢向群,孙禹. 中国工程科学. 2019(06)
[2]后MOOC时代开放大学探究式网络课程建设策略研究[J]. 张俊娥,王东,郭保林. 成人教育. 2019(12)
[3]用于图像分割的非局部空间约束的核FCM算法[J]. 康家银,张文娟. 南京师大学报(自然科学版). 2019(03)
[4]面向漏洞管理的工作流技术应用研究[J]. 杨诗雨,苏丽丽,侯元伟,郝永乐,李伟平. 北京理工大学学报. 2019(09)
[5]来路与进路:5G+AI技术场域中的教与学新审视[J]. 张坤颖,薛赵红,程婷,王家云,张家年. 远程教育杂志. 2019(03)
[6]高校学生资助管理系统的设计与实现[J]. 张朝晖,王罡,高淑娟,陈恩桃. 实验室研究与探索. 2019(05)
[7]工作流管理在新高考改革录取工作中的应用研究[J]. 卢岩红. 当代教育科学. 2019(04)
[8]人工智能教育应用的实然分析:教学自动化的方法与限度[J]. 张志祯,张玲玲,罗琼菱子,郑葳. 中国远程教育. 2019(03)
[9]面向模式软件体系结构合成中的冲突消解方法[J]. 徐永睿,梁鹏. 软件学报. 2019(08)
[10]学术聚焦|人工智能教育应用[J]. 中国远程教育. 2019(01)
硕士论文
[1]基于服务质量的云工作流调度工具的研究与应用[D]. 马晓虹.北方民族大学 2017
本文编号：2907456
本文链接：https://www.wllwen.com/jiaoyulunwen/gaodengjiaoyulunwen/2907456.html
