前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇大數據相關畢業設計范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

大數據相關畢業設計范文第1篇

計算機科學與技術是當今社會發展中一門關鍵的學科，它的應用遍及社會的各行各業，計算機專業的教學就是為社會輸送優秀的計算機人才，然而，一方面各大計算機公司常常感嘆很難招到令人滿意的員工；另一方面各大專院校很多計算機專業畢業的大學生苦于找不到理想的工作。其中一個重要的原因是很多大學畢業生缺乏實踐動手能力，尤其是不善于基于計算思維解決實際問題。作為從事計算機專業教學的大學教師，我們也應該努力進行實踐教學改革，為社會培養出更優秀的計算機專業人才。為此，清華大學的王宏教授和吳文虎教授通過“賽課結合”提升大學生的實踐動手能力和創新能力。課堂理論教育是計算機教育中的一個重要組成部分，但是單純的課堂講授與個別化教學都不能達到預期的效果。北京師范大學何克抗教授引入了混合式學習方法。為了進一步提高學生的積極性，國家教育部關于做好“本科教學工程”國家級大學生創新創業訓練計劃實施工作的通知；上海交通大學的鄭益慧等老師提出推廣研究性學習和個性化培養的教學方式。近年來，關于計算思維的研究對計算機教學的改革有著重要的指導作用，不僅有助于提高計算機科學的發展和應用，而且有利于培養現代的科學思維方式。筆者在上述研究的啟發下，根據多年在計算機專業教學和研究方面的經驗，結合在南京郵電大學的教學實踐和嘗試，提出一種遞進式的實踐教學改革方法（cascadeprogressive-likepracticeteachingreform，簡稱CPTR）。

1遞進式實踐教學改革的總體方案

計算思維是運用計算機科學的基礎概念求解問題、設計系統和理解人類行為。為了在實踐教學中體現這個基本思想，我們采用遞進式的教學任務分解方法，在實驗教學的3個環節中進行具體的實施，其步驟是層層疊加、逐步深入，目標是最終培養具有一定計算思維能力的專業人才。遞進式實踐教學改革的總體方案如圖1所示。首先，課程設計環節主要是通過給學生講解能夠反映計算思維的典型案例，讓學生相對獨立地求解一些案例，從而培養學生對基礎計算理論的應用能力；其次，STITP環節主要是以項目驅動的方式，讓學生在教師的指導下，通過參與一個能夠反映計算思維應用的、相對完整的子集，在實踐中體會計算思維的理論；最后，第3個實踐環節是畢業設計，對于一個大學生而言，這是大學期間最后一個綜合性的實踐課程，教師從校內的科研項目和校外的企業需求出發制訂畢業設計的任務書，著重培養學生解決相對復雜的計算和應用問題的能力。

2遞進式實踐教學改革方法的具體實施

2.1遞進式實踐教學改革方法的課程設計環節

對于計算機專業的學生而言，在經過計算機導論、數據結構、算法設計等課程的學習之后，進行相應的課程設計是一個運用計算思維求解問題和設計系統的很好機會[8]。以南京郵電大學計算機相關專業的學生為例，他們有一門課程設計是算法與數據結構設計，16學時。為了貫徹計算思維中利用“抽象和分解的方法”控制龐雜的任務[7]，在實踐教學改革中，我們把16學時的上機實驗分為5次課。5次課的總任務是指導學生選擇合適的數據結構和算法解決一些實際問題，考查學生實際的分析、編程、解決問題能力以及團隊合作精神。每次課程又細分為教師任務和學生任務，兩種任務相互交互形成一個完整的課程設計實踐環節。課程設計環節的抽象與分解如圖2所示。由于采用了任務分解和團隊合作的方式，每個小組選擇一個組長，小組成員的任務相同，但是解決問題的方法可能不同。在“問題剖析和疑問交流”部分，學生有了相互交流和獨立思考的過程；在“大作業的問答與驗收”部分，指導教師根據提交的作業，對不同的解決方案進行一題多解點評，擴展學生對問題的理解深度與廣度。

2.2遞進式實踐教學改革方法的STITP環節

這里的STITP是指南京郵電大學根據教育部相關通知展開的大學生創新創業訓練計劃，目的是通過實施該計劃改革人才培養模式，為國家建設培養高水平的創新人才。與課程設計環節不同，STITP環節是課外的、以學生為主體的實踐環節。STITP的具體實施分為3級的實踐創新訓練計劃體系，即校級、省級和國家級。以2012年的大學生創新創業訓練計劃項目為例，南京郵電大學共有378項大學生創新創業訓練計劃項目獲得立項，包含國家級40項、省級45項和校級293項，其中40項國家級的STITP是南京郵電大學首次獲得國家資助的項目，筆者依托科研項目指導學生申請的項目（0700412017）也是40項國家級的STITP之一。這種以科研促進實踐教學的嘗試有利也有弊。弊在于這些課題對于大學本科生而言有一定的難度，并且本科生的課余時間比較少，同時兼顧學業和STITP項目很有挑戰性；利在于項目的申請結合了當前計算機研究領域的熱點，使得學生比較感興趣且有利于學生將來的就業和繼續深造。以筆者2012年指導的STITP項目為例，該項目是研究壓縮感知理論在無線傳感器網絡中的應用。項目組的3名學生在2012年6—7月開始學習壓縮感知的基礎理論知識，在2012年9—11月對壓縮感知和無線傳感器網絡有了一些理解。雖然每周都有多次的交流（包括每周的研究日志、讀書筆記、文獻討論等），但是他們有時對理論和算法還是不理解，不知道如何下手作研究。經過查閱國內外的各種文獻，參加學術會議，聆聽學術報告，他們逐步學會了計算過程的形式化描述、函數及其計算等相關的計算理論和計算模型，體會了計算思維在實際科研項目中的應用，最后通過共同努力出色完成了該項目，并將研究成果WSNsDataAcquisitionbyCombiningHierarchicalRoutingMethodandCompressiveSensing發表在SCI期刊上。從目前的實踐教學改革情況看，雖然STITP項目實施過程有一些困難和曲折，但是筆者指導的所有STITP項目均成功結題，學生通過STITP環節的鍛煉提高了自己的研究能力和團隊合作能力。總體而言，利大于弊。

2.3遞進式實踐教學改革方法的畢業設計環節

畢業設計是學生對大學期間所學知識進行綜合運用的重要實踐環節。作為指導教師，在遞進式實踐教學改革中，我們以計算思維為核心，強調“學以致用、圍繞應用”，分3個階段指導畢業設計。首先是前期階段，我們結合校內的科研任務和校外的企業需求制訂畢業設計任務書，給學生提供參考文獻，指導學生完成開題報告；其次是中期階段，我們根據中期考核表檢查學生的文獻調研情況、進度等是否符合要求。目前，很多計算機專業學生沒有進行深入思考就急著直接編寫程序代碼，這不是一種科學的方法，因此在畢業設計的實踐環節，指導學生像計算機科學家一樣思考具有重要的意義。最后一個階段是后期階段，指導學生通過實驗驗證，撰寫畢業論文，進行答辯驗收。考慮到畢業設計是一個有一定深度的綜合性實踐環節，我們實行分層教學，因人施教，在兼顧大部分學生課題難度的同時，鼓勵一部分學生在CPTR第2個環節的基礎上展開深入的團隊研究。以2013級的畢業設計為例，筆者作為指導教師，指導學生團隊的畢業設計從百度公司等互聯網企業的需求出發，在這些學生前期積累的大學生創新項目STITP基礎上，選擇大數據領域中相互關聯的幾個子課題進行研究，主要研究“分布式環境下大數據的存儲、分發、分析、挖掘和實時處理”，包括基于Hbase的實時讀寫方案、大數據領域中的大規模快速分發問題、移動社交網絡中的數據分布規律、面向互聯網平臺的推薦系統、通過分析淘寶等現有網絡技術研究分布式實時流數據的處理策略等。這是業界研究的熱點問題，雖然很有挑戰性，但是學生的興趣很高。經過大家的努力，團隊成員不僅參與SCI期刊學術論文SemanticOverlayNetworkforLarge-ScaleSpatialInformationIndexing的相關實驗，還成功申請專利“一種基于P2P網絡技術的計算機集群快速擴容方法”，整個團隊還獲得2013年江蘇省普通高校本專科優秀團隊畢業設計獎。

3相關的應用實例和分析

我們從3個環節對上述遞進式實踐教學改革CPTR的實踐成果進行統計、評估和分析，對于課程設計實踐環節，筆者前后指導了6期算法與數據結構設計的課程設計，共157名學生，通過對學生“提交課程設計的大作業”部分書面作業的驗收和口頭的問答交流，判定最終獲得優秀的學生比例為15.29%。雖然優秀的比例不是很高，但是這說明：一方面，實踐教學的改革仍然需要繼續，可以采取增加師生的比例等措施；另一方面，整體成績的好壞和學生群體的水平相關，需要教師在新生入學之后就貫徹和執行計算思維教學改革。從總體上而言，CPTR實驗教學的方式值得嘗試，既能發揮教師在教學過程中的主導作用，又可以充分體現學生在學習過程中的主體性與協作性，這與何克抗教授的教學改革理念也是一致的。對于STITP實踐環節，筆者作為指導教師共指導了11個小組的學生進行項目申請，獲得了5個省級以上的項目，其中獲得國家級項目資助2項。按照表1的統計，我們實踐改革獲得“優秀”的比例為45.46%，這里的“優秀”數目是指成功申請并順利結題的江蘇省級STITP項目數。以2012年為例，全校立項的STITP總數是378，其中省級以上的項目數是85，此處的“優秀”比例約是22.49%（因為立項的85個項目不是都能順利結題的，這里取最高值作為近似計算），低于我們實踐改革取得的成績45.46%。改革成功的原因是在項目申請之前，我們以正在承擔的國家自然科學基金、國家863計劃等科研項目為背景，嘗試以計算思維為核心，通過約簡、嵌入、轉化、仿真等方法，對科研項目中的任務進行劃分，把劃分后的一些子課題作為STITP的任務交給大學本科生，讓學生在項目驅動的應用實踐中得到提高，取得理想的成績。畢業設計是CPTR的最后一個環節，以筆者指導的畢業設計為例，總共參與的學生人數為34人，獲得院級、校級、江蘇省級的優秀比例為58.82%，遠遠高于同等級平均的優秀比例。例如，南京郵電大學計算機學院、軟件學院2013年共有395人參加畢業設計，其中成績優秀的為47人，優秀率僅為11%。CPTR的畢業設計環節情成功繼續攻讀碩士以上學位的學生人數為17，占50%，同時也有多名學生成功進入一流IT企業工作，如阿里巴巴公司、百度公司等。由于在實踐指導過程中貫徹了計算思維的改革理念，強調了“利用啟發式推理尋求解答”，因此，無論是從畢業設計的成績，還是從學生后續的發展情況來看，這種遞進式的實踐教學改革是有成效和值得推廣的。

4結語

大數據相關畢業設計范文第2篇

關鍵詞：大數據技術；產教融合；高層次復合型人才

一、大數據實驗班主要特點和實施方案

產教深度融合，校企協同培養適應和引導新一輪科技革命和產業變革的卓越工程科技人才。貫穿“以學生為中心，以成果導向為要求、以持續改進為機制”的工程教育理念，采取“課程內容優化、實施案例式教學、項目式綜合訓練，企業頂崗實習，雙向導師畢業設計”等方式達成提升學生解決復雜工程問題的能力。構建以企業需求為輸入，以適應企業需求的合格人才為輸出的實用性高級大數據人才培養體系。面向企業及大數據技術領域需求，定制和調整人才培養方案，探索以產業需求驅動，以工程實踐為核心的教學模式。實施了課程共建、訂單培養、校企互評、共建實驗室、共建研發中心、共建實踐基地、課程實訓、項目實訓、畢業和頂崗實習等主題模式。方案實施：（1）合作目標：雙方本著“互利互惠、真誠合作、講究實效、共謀發展”的原則，共同探索如何培養符合軟件行業中大數據技術發展的人才，建立以產業需求為導向的人才培養方式，為大數據技術發展和應用提供人才供應。雙方可以立足自身的優勢和基礎，在學生培養，科學研究，項目孵化和開發、技術培訓和學生就業等方面資源共享的同時進行廣泛合作。（2）合作內容：在雙方自愿友好合作的基礎上，可以依據實際情況開展實習實訓。開展特色專業培養多樣化模式，利用和企業的深度合作和融合，共同加速工程教育改革的進程。依據學校課程需求考慮企業和大數據技術領域需求，調整和定制人才培養方案，結合國內外先進的教學理念（如MOOC、CDIO等），構建課程體系，強化實用技術培養，通過功臣實踐和案例教學，探索以工程實踐為核心、以課程內容為基礎，以企業需求為驅動的新教學模式。通過專業技術、職業規劃和職業素養等方面的培訓，探索共建師資隊伍的有效途徑。利用學校的師資力量和教科研力量，結合企業的實戰優勢和項目管理經驗，進行深入科研和項目實施的合作，實現雙方資源互補，可以共建實驗室，共建培養基地等。使得雙方在技術創新和項目研發方面有新的發力點。

大數據相關畢業設計范文第3篇

1數據智能分析師培養

就業前景分析方面，谷歌首席經濟學家哈爾•瓦里安預計，未來即將出現一類新型的專業人才和職業崗位——數據科學家，當然數據智能分析師也會應運而生。現下時代是數據時代，甚至稱之為大數據時代，企事業單位面臨大量數據如互聯網數據、醫療數據、能源數據、交通數據等，實際應用中普遍遇到分析能力弱、噪聲數據多、缺少分析方法、分析軟件能力差、模型可信度低等問題，其主要原因在于傳統數據分析方法不能滿足需要，而數據挖掘技術、機器學習技術、模式識別技術、知識發現等智能技術可以為數據智能分析方法與工具提供技術支撐。2014年4月24日，百度高級副總裁王勁在第4屆“技術開放日”上正式宣布推出“大數據引擎”，數據智能概念由此產生。數據智能分析是指通過數據挖掘技術、機器學習、深度學習、模式識別與分析、知識發現等技術，對數據進行處理、分析和挖掘，提取隱藏在數據中有價值的信息和知識，從而尋求有效解決方案及決策支持預測。目前社會急需懂得智能技術的各層次數據智能分析人才，可以預計，熟練掌握智能技術的數據科學家、數據分析師、數據挖掘人員將有廣闊的用武之地。培養手段探索方面：①以“點—線—面”結合的方式橫向縱向設置課程群，面向數據智能分析，以案例為導向貫穿“線”上的各關節點課程，比如以數學基礎課（線性代數、概率統計、數學分析）大類專業課（程序設計、數據結構、數據庫技術）數據智能分析專業課（數據挖掘、機器學習、多維數據分析）為主線，理論與實踐齊頭并進；②立足培養“計算技術+智能信息+知識技術”的高級數據分析師，理論學習—隨課實驗—集中實踐—科技活動—企業實習—畢業設計等教學環節協調配合，“資格認證—競賽獲獎—獎學資助”激勵培養；③以大數據智能分析為契機，積極培養本科生的大數據計算思維和認知能力，使其掌握大數據智能分析方法、機器學習數據挖掘工具和開發環境。政策導向分析方面：建議中國計算機學會與中國商業聯合會數據分析專業委員會等機構緊密協調合作，設立適應新時代社會與經濟發展的“數據智能分析師”認證[6]，當然將大數據智能分析納入計算機水平考試的可選項也是當前的一種解決方案，提高智能科學與技術專業社會認可度，增強本專業學生的歸屬感，更好地培養各層次的數據智能分析人才。

2創新型智能技術人才培養

智能科學與技術的發展與計算機技術幾乎同時起步，但其進展比計算機技術要慢許多，根本問題在于高級智能的載體——“人腦”是世界上最復雜的系統，人類對它的認識和了解仍然處于初級階段。近年來通過智能技術解決實際應用問題有了長足進步，國內已相繼有20多所高校面向市場變化和未來需求，自2004年以來陸續開辦了智能科學與技術本科專業。盡管大多數智能技術的理論基礎還不完備，但實際應用的強勁需求與問題解決能力超越了薄弱理論基礎的約束。本專業課程的教學內容與課程實踐都適合教師與學生以研究者的身份參與到“教”與“學”的活動之中。1）研究型教學。蓬勃發展中的智能技術需要教師啟發式、創造式、批判式地“教”，學生也要創造式、批判式地“學”。教與學要能夠從研究思維、問題探索、模型改進、算法優化、腦認知和自然智能指導的角度推進教學活動，進行創新性教學和研究型學習。教學實踐活動中應強調學生半監督式學習與自監督學習為主導，鼓勵引導深度學習，經典案例、前沿講座、討論探索貫穿課堂教學，課程考核注重創新科技實踐、問題探索、課程內容探索、課程研究性專題報告、以課程為基礎的作品開發等創新效果和教學效果。2）“研究型分組”培養。智能科學與技術專業開辦時間不長，成熟教材不多，課程體系需要不斷適應學生和社會的需求做出調整，又加上智能科學專業課程本身的發展探索與實際應用現在處于同步發展階段，決定了專業老師大力推進“研究型班級教學”，在教學過程中實施“大班基礎講授”+“小班研究型討論”+“小組探索型課題實施與報告”的教學體系，同時來自相關研究方向的研究生也作為助教協助專業老師對小班（組）課題討論進行引導。3）科研訓練提高學習積極性。大類培養模式下實施科研訓練引導學習，大一、大二年級主要學習公共基礎課程和大類專業基礎課程，其中的數學基礎課，如線性代數、高等數學、概率統計、離散數學等，由于缺乏實際應用案例支撐，很多學生會懷疑這些知識在將來本專業學習中的用處，課堂課后處于被動學習狀態，個別學生還會由于認識滯后，產生厭學情緒甚至放棄基礎知識學習，以致于專業分流后表現為學習能力嚴重不足。通過吸收本科生參加科學創新實踐和科技活動，使他們發現數學知識能夠用來解決實際問題，有利于提高本科生學習基礎知識的積極性，變被動學習為主動學習。同時，教師也能從中發現部分優秀本科生的創新潛力和研究能力，激發他們科學研究的興趣，引導他們把智能科學技術作為研究方向并致力于攻讀相關方向碩士研究生、博士研究生，進一步強化其科學創新能力，勢必會使其獲得高水平創新性成果。大類培養模式下強化專業教育與實踐，專業老師要積極主動引導學生，變被動地等待學生選專業轉變為吸引優質學生，以大二上學期為主要時間點，引導大類專業學生對特色專業的興趣，通過科學研究和學生科技活動吸引選拔學生進科研團隊，同時實施科研成果進課堂、進教材、進學生活動。專業教師、班導師可宣講專業特色和就業前景，指導本科生申請大學生科研訓練計劃、參加科技競賽、開發智能技術特色作品。大類培養模式下實施科研訓練計劃，需要本科生積極主動地理解大類下各子專業的特點和特色，結合自己的興趣愛好和實際情況，在大類培養結束時分流到各特色專業。因此，本科生參加科研實踐和專業科技活動的時間點很重要，從大一結束后的暑假開始，一直延續到本科畢業，同時實施“泛畢業設計”（即大二選方向并實施課題基礎儲備，大三實施課題，大四結合專業實習完善畢業設計）[3]，這樣既充分利用了本科生大二大三充裕的課后時間，也緩解了大四本科生面臨就業、考研、出國等問題的突出矛盾。

3智能系統開發人才培養

智能技術已成為當前技術革命創新的源泉，智能系統廣泛應用于工業、農業、服務業等各領域，比如2014年11月2日開始處女航的皇家加勒比郵輪公司“海洋量子號”郵輪也因為大規模運用了高科技智能系統而號稱“世界上第一艘智能郵輪”。智能系統是建立在“智能技術+計算技術”基礎上，結合了控制技術、信息技術的軟硬件系統。智能系統開發人才培養目標是社會急需的智能系統開發工程師，其從事的工作主要包括智能系統的設計、開發、維護、運營、服務及相關的技術指導。為了適應智能系統開發人才的培養，應該建設智能終端實驗平臺、計算智能實驗平臺、腦認知實驗平臺、高性能計算平臺等人才培養基地與實訓基地，推進實施智能終端軟件開發技術、智能系統應用課程設計、智能系統與工程課程設計、智能游戲開發與設計、人機交互系統開發與設計等教學實踐活動。

4復合型智能技術人才培養

智能科學與技術是一門綜合學科，智能技術也廣泛應用到智能交通、智慧城市建設、電子信息、信息安全、電子政務、電子商務、工業制造、教育、醫療、管理、農業現代化、國防現代化等眾多領域，需要大量復合型智能技術人才。筆者認為，以下4條措施是智能科學與技術新興專業培養復合型人才切實可行的培養方案：①充分發揮大類培養特色明顯的人才培養優勢，開放“全校特色專業選修課”，跨專業、跨學院科教團隊，與大學生科技創新計劃融合，重點培養學生的綜合性、復合性、應用性；②引導并嚴格要求B學分課程學習，特別是設計規劃實施好“科技創新”、“文體活動”、“技能認證”、“企業實習”、“暑期社會實踐”等綜合能力提高計劃；③交叉融合辦好本科生二專業，鼓勵學有余力的本科生對知識的渴求，允許學生在本專業的基礎上再輔修另一個專業，并提供配套措施，保證二專業學生能獲得優質教育，發揮學科交叉融合優勢，使本科生形成寬廣深厚的知識結構，培養有特色的智能科學技術專業復合人才；④通過與企業橫向合作，建立校企實訓基地，緊跟企業和市場需求，與企業聯合培養復合應用人才。

5結語

大數據相關畢業設計范文第4篇

關鍵詞：畢業論文；KM算法；選題系統

中圖分類號：TP311.52

1 引言

在現有的畢業論文選題系統中，一個學生只能選擇一個題目作為自己最終的題目，同樣，一個題目只能分配給一個學生。如果最后題目由學生自己確定，那就會出現先選的學生具有更大的選擇余地，后選的學生由于不能再選已經選定的題目，所以其可選擇的題目會越來越少，這對很多學生來說很不公平。如果學生選擇自己的志愿，最終題目由老師來定，這不但加大了老師的工作量，而且還是不能保證每位同學的公平性。如何采用計算機智能輔助選題，設計最優匹配算法實現學生與題目的整體最優匹配，會大大提高選題的效率。

湯穎曾在《畢業設計立項與選題管理及其支持系統》中提出，采用模糊匹配技術進行學生-題目的自動匹配；潘志方在《一種改進的Ford-Fulkenson算法在選題系統中的應用研究》中將題目與學生的匹配抽象為二分圖的匹配，并采用改進的Ford-Fulkenson算法實現題目與學生的自動匹配。以上兩種方法只考慮了學生與題目之間的最大匹配值，并沒有考慮學生的整體滿意度最優的情況。

本文將通過采用最優匹配算法（KM）確定一種匹配方案，使得學生的整體滿意度最高。具體方法概括如下：學生預選多個題目，并根據自己對題目的滿意度由高到底排序，這樣，滿意度成為二分圖的一分值，如圖1所示：

2 系統功能模塊設計

根據前期的可行性分析，本系統主要進行以下模塊的設計：系統管理員模塊、專業負責人管理模塊、指導教師管理模塊和學生選題模塊。

系統管理員模塊主要負責對系統參數的設置及用戶的管理。主要實現以下功能：

（1）系統設置：對系統標題、畢業生、選題參數設置；

（2）學院及專業設置：完成學院、專業的添加、刪除、修改操作；

（3）數據字典的維護：教師信息、選題難度、選題方向燈信息的維護；

（4）教師和學生的管理：完成教師、學生信息的添加、刪除和修改操作；

（5）文件文化建設管理：日志文件查看、上傳文件的管理。

專業負責人管理模塊與系統管理員權限相似，但操作的數據只能針對于指定專業，無法瀏覽及操作整個學院的課題及學生信息。最重要的功能是實現題目的審核。

導師管理模塊主要用于選題以及選擇自己選題學生的審核確認。

（1）個人中心管理：如信息修改及密碼重置；

（2）選題管理：選題的增加、修改、刪除以及選題類型的設置；

（3）學生選題查詢及審核。

學生模塊主要實現學生選題的選擇及確認。

（1）學生個人信息的修改；

（2）學生選題及確認信息查詢；

（3）學生留言及咨詢。

3 KM算法在系統中的實現

KM算法由Kuhn和Munkras分別提出來，這是一種問題。經典的算法。該算法由通過每個頂點一個頂標（A[i][j]）來求最大權匹配的問題轉化為不斷尋找增廣道路以使二分圖的匹配數達到最大的完備匹配。KM算法的關鍵在于不斷尋找二分圖中的可增廣道路。如果找到一條可增廣道路，就可以額將屬于和不屬于相等子圖的邊取相反，從而相等子圖里就是增加一條邊，一直到所有的頂點都進入相等子圖為止。

KM算法可以很好地解決選題系統中，題目與學生最優匹配的問題。下面以國際商學院09級本科學生選題為例。

在匹配過程中，設學生的集合為X={X1，X2，X3……Xn}，選題的集合設置為Y={Y1，Y2，Y3……Yn}，學生對自己選題的滿意度為二維矩陣Z[m][n]，其他題目規定權值為0。系統規定學生最多可預選3個題目，并按照滿意度分別設置0.9，0.7，0.5。以下表1是對國際經濟與貿易專業使用不同算法得出的學生滿意程度。

下面對以上數據進行說明。如采用手工分配的方式，使得681名學生中414名同學分的了題目，滿意度為60.82%；如果采用最大匹配算法進行分配，可以使分配數達到最大，有517名學生分得題目，滿意度上升為79.99%；最有用最有匹配算法進行分配，使總體滿意度達到78.24%，533人。需要說明的一點是，KM算法只是找到了整體最優匹配而不是最大數匹配，如果整體最優情況下匹配數和最大匹配數相差得太大的話，那么整體最優方案顯得不太可取。所以，最好的情況就是同時考慮最優匹配和最大匹配來同時控制兩者的大小。

4 結語

本系統實現了畢業論文選系統工作的各個管理功能，通過實現教師與學生的雙向選擇，使用KM算法，提高選題的質量和效率，為學院充分利用網絡完成畢業論文選題工作提供了便利的平臺。

參考文獻：

[1]湯穎.畢業設計立項與選題管理及支持系統[J].合肥工業大學學報，2006，29（5）.

[2]潘志方.一種改進的ford算法在選題系統中應用研究[J].計算機應用與軟件，2007，24（9）.

大數據相關畢業設計范文第5篇

關鍵詞:大數據時代;物流職業教育;現狀;對策

0前言

據阿里2015年不完全統計的物流數據顯示，淘寶網站“雙11”當天生成的物流訂單數4.67億，和前年數據相比，韻達、圓通、申通等快遞公司的物流量均翻倍，然而并沒有發生類似之前快遞“爆倉”的問題，有人認為是配送效率提高的原因，事實上是大數據應用發揮了重要作用。下面是淘寶數據應用發展的四階段:被動響應—2007年前;主動變革—2008－2010;優化完善—2011－2012;數據驅動—2013。由此可見，大數據應用對物流管理的作用不容小覷，而關于大數據時代背景下物流職業教育的相關對策研究也就顯得尤為重要。

1大數據時代

所謂的大數據(BigData)，最初是由全世界知名公司麥肯錫提出的，強調大數據是下一輪競爭、創新及生產力的前沿，也就是就企業角度來講，大數據應用是未來競爭和發展的重要保障。顯而易見的，大數據具備海量性、多元化、價值性、快速性等特征，促使數據處理方式、處理工具也隨著信息時代的發展而快速完善和成熟，并且大數據應用己滲透到社會的各行各業之中，比如機關單位、教育行業、金融經濟、科技研發等。縱觀整個大數據時展歷程，京東商城于2013年初啟動云計算研發基地，并且組建了中國人大京東商城電子商務研究室，加強對電子商務大數據的研究分析。同年5月，申通快遞于京交會上演示了新型信息化智能平臺，可自動整理、分析物流數據，了解申通各快遞站點的經營情況、業務發展等。

2大數據時代背景下物流職業教育面臨的機遇和挑戰

根據菜鳥網絡的發展規劃，未來將建立一個能支持網絡日銷售額300億的智能物流骨干網絡，實現全國各地24小時送貨上門的目標。這種智能物流骨干網絡就是大數據在物流行業的一大應用，勢必會導致物流行業格局變化，給各大物流企業帶來更大的挑戰。由此可見，物流行業要迅速提升企業的競爭力，夯實企業的實力，才能更好地迎接挑戰。事實上，菜鳥網絡除了給物流行業帶來威脅和挑戰之外，還創造了一定的機遇，提供了大量就業崗位和打開了大數據人才缺口。據麥肯錫的預測報告顯示，至2018年美國大數據分析人才缺口將高達15萬～20萬。而且這些大數據人才不僅要掌握計算機技術、數據統計能力，還要將海量的物流數據轉變為有價值的商業信息。大數據的真正的價值意義是從海量數據中發現新知識、創造新價值。物流快遞行業的各環節都會產生大量數據信息，如何利用大數據來整理歸納、分析總結海量數據，從而掌握各運營站點的經營情況、業務發展等是需要企業高度重視的。大數據技術應用于物流管理決策可以提高物品流通速度，降低物流成本。尤其對一些特定產品來說，對時間、新鮮程度的要求很高，通過大數據分析等應用，可以有效提高商品流通速度，降低商品積壓，從而有效地降低物流成本。目前，傳統物流專業教育更傾向于培養構建物流體系、經營管理物流企業等方面的高質量人才，而大數據在物流領域的廣泛應用對數據分析師的需求越來越明顯，這就對物流專業教育提出了更高的標準。在大數據時代背景下，單純的IT技術人才已不能滿足物流行業發展所需，能將技術和行業有效結臺的復合型人才培養才是大數據發展的必然趨勢，因此，物流職業教育面臨著前所未有的機遇和挑戰。

3國內物流職業教育的現狀

盡管大數據時代為物流職業教育創造了改革機遇，然而目前的物流職業教育體系仍難以滿足需求，這是由于國內物流職業教育自推行以來雖小有成就，但依舊存在一些主要的問題如下:(1)學科構建不完善，物流職業教育理論體系不夠完整;(2)教學設施陳舊，科研實驗室相對較少，難以保證教學效果;(3)教學模式落后，忽視實踐能力的培養，教學課程冗長無味，傳統灌輸式教育抑制了學生的創新力和解決問題能力的培養;(4)教材內容滯后行業發展，課程之間知識點重復，缺乏有關物流實踐經驗的總結分析內容，整體質量偏低;(5)考核評價體系落后，學生過于追求理論成績，期末“臨時抱佛腳”現象嚴重;(6)教師團隊學術和實踐能力不平衡，尤其是年輕教師沒有物流企業工作經驗，案例教學、互動教學不多，難以提供給學生最有實際價值的信息。

4大數據時代背景下物流職業教育模式

隨著大數據的廣泛應用，針對大數據的分析能力對物流職業教育提出了更高要求。物流職業實踐性非常強，物流職業教育必須要立足于實踐。在大數據時代背景下，要轉變思維模式，重視創新力和創造力的培養，可以適當地借鑒國外成功的教學經驗。比如德國從教育目標、課程設置、師資團隊等方面都比較注重應用實踐性，學生除了具備堅實的理論基礎之外，還要有一定的實踐能力，畢業之后能快速勝任物流工作;英國則采取“工讀結合、實踐教學”的物流職業教育模式，即學生先去企業了解企業需求并發現自我需求，再回學校進行系統的專業學習，最后回到企業進行實踐。國內在這方面值得推廣的是絡捷斯特公司推出的長風學霸賽，是面向全國中職、高職及本科院校的物流、電子商務與會計專業學生的一個在線學習與競賽的項目，其中本科學生僅限于參加物流專業競賽在全國高職高專院校物流管理專業里面受到很大的歡迎。(1)就業定位明確。對于國內各大高等院校而言，可結臺自身特色和優勢來細分物流職業教育，進行差異化物流職業教育，不需要培養出同類型的人才。同時結合自身的就業定位來制定教育培養計劃，向社會輸出高質量的物流人才;(2)重視校企合作。對此，各大高等院校可結合實際情況，發展與校外企業合作，根據行業性質來設計物流專業課程。比如上海同濟大學就和建材業、快遞業、電子產品行業等建設了產學研合作基地，可通過行業滲透來累積物流經驗，提高教學質量;(3)注重實踐能力的培養。在校企合作的產學研基地中，要迎合企業實際需要，在保證企業科研成果的前提下，適當加強學生的實踐培訓，讓學生在實踐中鞏固所學知識、提升自我技能。大數據時代背景下的物流職業教育僅僅依靠學校是難以實現的，要將學生放到企業之中，在真實的物流工作崗位上讓其運用所學理論和技能來分析和研究企業本數據，為企業大數據分析提供一定的輔助作用，這樣才能實現學校、企業、學生的共贏;(4)開展校企科研合作訓練計劃。高校可多開展一些物流設計大賽的訓練計劃，企業提供科研課題，高校組織學生組隊參加，某種角度可幫助學生形成團隊合作意識，提高學生的創新力和創造力，加強學生解決問題的能力，甚至還可為企業提供一些獨特的創意和想法。另外，學生的畢業論文或者畢業設計也可安排在企業實習過程中，雙向培養模式能促進學生的全面發展;(5)提供教師企業實踐學習機會。古語云，工欲善其事，必先利其器。只有在保證物流教師具備充分的行業經驗的前提下，才可有效改善傳統灌輸式教育模式，讓課堂教學更直觀、更有趣，強化教學效果，同時還能解決企業科研難題，發展良好的校企合作關系，從而保障學生的學習和實踐資源;(6)重視實驗基地、物流圖書館的構建。開展科研教學的重要前提是實驗室，各種模擬仿真實驗設備和網絡環境，為學生建立物流網絡、發揮創造想象力創造了條件，是培養大數據分析能力的重要硬件條件。除此之外，物流圖書館的構建有顯著的專業特色，便于科研教學活動的開展;(7)突出個性化教學。在大數據時代背景下，大學生的學習方式也隨之發生變化。基于大數據的線上實驗室、物流圖書館為學生創建了學習交流平臺，學生可結合自身實際來選擇合適的學習資源。同時，高校學生可有選擇的將學習信息公布出來，和教師、學生甚至專家進行在線交流探討，實現互動學習模式。個性化教學模式除了能提升學生的積極主動性之外，還能激發學生的想象力和創新力，對學生整體能力的提升有積極影響。5結語總而言之，大數據為物流行業帶來了機遇和挑戰，相對應的，物流職業教育也要有所改革來適應物流行業的變化，要立足于實踐，加強教師和學生之間的互動交流，培養并提升學生的創新能力和解決問題的能力，才能讓物流職業教育跟上時展的步伐，培養出社會所需的全方位、高質量的物流專業人才。

參考文獻

［1］劉楠．任務驅動教學模式在物流教育中的應用［J］．亞太教育，2016(23)．

［2］魏寶紅．基于鐵路特色的物流創新型人才培養模式研究閉［J］．陜西教育(高教)，2016(08)．

［3］葉麗青．以就業為導向的中職物流專業教學模式探索閉．職業，2013(14)．

［4］劉振華．基于實踐技能培養的物流專業教學改革的探索［J］．時代金融，2012(14)．

［5］劉剛．芻議中職物流專業教育模式改革［J］沖國校外教育，2012(02)．

［6］周倩．淺析高職物流人才的專業綜合技能培養途徑［J］．中國市場，2012(02)．

［7］王永富．新時期廣西高職物流專業教村建設研究［J］．物流工程與管理，2012(04)．