文献阅读随笔 20 基于.Net高校毕业设计网上选题系统设计与实现

一、基本信息

标题：基于.Net高校毕业设计网上选题系统设计与实现
发表时间：2020-04-14
作者：晏成竹
关键词：Net 高校 毕业设计 选题
文献来源：基于.Net高校毕业设计网上选题系统设计与实现

二、研究背景

随着信息化水平和计算机普及程度不断提高，高校毕业设计选题的信息化愈来愈加被广大高校所接受。学术界对选题管理系统的研究主要集中在整个事务流程的信息化，但对于学生来说如何选择更合适的题目？对于老师来说，如何确定学生是否满足毕业设计的学术要求？对于高校管理者来说如何确保每年的毕业设计质量？这些问题并未能得到很好的解决。
本文的主要工作内容是基于.Net 高校毕业设计网上选题系统设计与实现，主要包括两个部分：第一，从用户需求出发，设计并开发了一套可靠、安全、易用的网上选题信息化系统。第二，采用深度学习算法，建立学生能力模型和历年题目关联性分析决策支持系统。
针对于网上选题信息化系统，高校每年所需管理的毕业设计数量剧增，工作量较大，为方便各角色的网上选题工作，本系统的目标是减少学生、教师和高校管理者的工作量，以达到快速完成毕业设计选题工作，准确高效管理毕业设计网上选题的目标。本系统充分分析毕业设计工作的完整流程，将参与学生、指导毕设工作的教职人员以及毕业设计的管理人员通过信息化系统联系起来，使繁琐的毕业设计管理工作实现跨地域、跨时间不同角色间协同工作，促使与毕业设计管理有关的工作人员高效、快捷、方便的完成相关工作。
针对于深度学习算法，本系统可以帮助学生更好地找到适合自己的题目，帮助教师确定更合适的人选，帮助高校管理者更好地把控和提升毕业设计的质量。学生能力模型的数据源包括：本科阶段的历年考试成绩数据、竞赛获奖等十余种学业成果数据等。
系统的前端采用.NET 的 WEB 开发（包括 HTML、CSS、Javascript 和 Vue.js、jQuery.js 脚本库），后台采用 Microsoft SQL Server 2008 R2 数据库进行数据存储，深度学习算法基于 ML.NET 开源且跨平台的深度学习框架，具体实现平台为 Microsoft Visual Studio 2010，辅助开发工具包括数据库设计工具 Power Designer 15、Microsoft Office Visio 等。
本系统的设计与实现是对目前学术界和应用界的一个有效补充，也是深度学习在决策支持系统中的一次成功应用，将推动高校毕业设计网上选题工作更加信息化、数据化和科学化。

三、研究内容

四、阅读结论

详细的描述了系统业务流程分析、业务系统设计、业务系统系统开发。

五、参考文献

[1] 郑鸿英, 高攀. 基于 B/S 的毕业设计(论文)管理系统的研究[J]. 电脑知识与技术, 2009,5(1):41-43.
[2] 闫实, 付佳, 石莉. 大数据环境下基于智慧校园的教学改 革[J]. 软件, 2018, 39(2):208-211.
[3] 高铁刚. 教育信息化进程中的制度建设与创新研究[J]. 中国电化教育 2017, (11): 7-12.
[4] 陈敬华 黄丽英. 网络资源在本科毕业设计设计中的应用 研究[J]. 西南师范大学学报(自然科学版), 2017, (3): P200-204.
[5] 姜然. 高校毕业设计管理 [M]. 北京 中国纺织出版社，2016,1:30-69.
[6] 陈友华. 提高毕业设计(设计)质量的探索与实践[J]. 成都 教育学院学报, 2005, (7): 56-59.
[7] 周涛.吕伟臣.王媛红.SQL Server2008 数据库管理高级教程 [M]. 北京:清华大学出版社，2012,23-34.
[8] 席振元, 鞠宏军, 范玉涛. 基于校园网的毕业设计(论文)管理系统的设计与实现[J]. 计算机与现代化, 2009, 2009(5):57-60.
[9] 曾小平, 吴暾华. 本科毕业设计管理系统的设计与实现[J]. 微型机与应用, 2011,30(18):83-85.
[10] 陈小莉, 刘君. 基于 Web 的毕业设计管理系统[J]. 科技信息, 2009(7):55-55.
[11] 卢同同. 基于 SSH 框架的高校毕业设计管理系统的设计与实现[J]. 科技与创新,2017(22):99-101.
[12] 陈洁. 基于网络的交互式共享型毕业设计指导学习管理系统的实践与应用[J], 电化教育研究, 2010(2): 31-33, 41.
[13] 张兴旺, 周力青, 李晨晖, et al. 学位论文管理系统中论文自动更新的设计模型的研究与分析[J]. 情报理论与实践, 2009, 32(9):116-120.
[14] 梁宏涛, 房正华, 杨新艳, 等. 面向本科教学评估的高校 数据 SOA 服务模型研究[J]. 软件, 2016, 37(4): 22-24.
[15] 邹荣, 范爱红, 姜爱蓉. 基于 DSpace 构建科研论文管理系统[J]. 数据分析与知识发现,2009(10):90-94.
[16] 刘芳, 牟廉明. 基于 UML 的毕业设计管理系统的设计与实现[J]. 内江师范学院学报, 2009,24(8):55-57.
[17] 张建臣. 基于 PHP 技术的毕业设计管理系统的研究与实现[J]. 电脑知识与技术, 2007,4(23):1210-1212.
[18] 田爱奎, 贾永新.毕业设基于 JSP 的计管理系统的设计与实现[J]. 中国教育信息化,2007(12s):43-45.
[19] 张秋华. 基于.NET 高职毕业设计管理信息系统设计与实现[D].
[20] 康苏明, 张杰, 张景安. 基于云模型的高校课堂教学质量评价模型及方法研究[J]. 软件,2015, 36(4): 50-54.
[21] 丁旭. 基于 B/S 架构的软件项目实训 [M]. 北京:清华大学出版社，2011，23:34-45.
[22] 刘冬杰. 采用 C/S 与 B/S 混合模式的信息化教务管理系统的设计与实现[J]. 中国教育信息化, 2006(13):56-57.
[23] 武晓春, 王晓明. 基于 C/S 和 B/S 模式的教务管理信息系统的设计与实现[J]. 电化教育研究, 2005(3):50-52.
[24] 张海藩. 软件工程导论 [M]. 北京:清华大学出版社，2013，123-234.
[25] 王超. Visual C# 通用范例开发金典 [M].北京:电子工业出版社.2008，481-555.
[26] A. D. Troelsen. Pro C# 2008 and the .NET 2.0 Platform. [M]. 北京:Apress，2012,23-34.
[27] 王超.Visual C# 通用范例开发金典 [M].北京:电子工业出版社.2016，481-555.
[28] A. D. Troelsen. Pro C# 2008 and the .NET 3.5 Platform. [M]. 北京:Apress，2010,45-57.
[29] V. Robert., 董明 . SQL Server 2008 高级程序设计 [M]. 北京:人民邮电出版社，2018，34-40.
[30] 庞娅娟.房大伟.张跃廷 . SQL Server 应用与开发范例宝典(第 2 版) [M]. 北京:人民邮电出版社，2016，123-134.
[31] 毕业设计质量管理平台的设计与实现[D]. 华中师范大学, 2006.
[32] 翁晓霞, 江源, 廖光裕. 开发基于 WEB 的远程教学系统的关键技术比较[J]. 计算机工程与应用, 2000, 36(2):83-86.
[33] 张革夫.基于 Web 的系统设计中的安全问题与对策.计算机工程与应用，2003,38（12）：39.
[34] 王珊.萨师煊 . 数据库系统概论(第四版) [M]. 北京:高等教育出版社，2016,180-190.
[35] 刘琴.高级软件测试.卷 2：高级软件测试经理 [M]. 北京:清华大学出版社，2012，03:34-45.
[36] B. Evjen. Scott Hanselman.Farhan Muhammad. ASP.NET 2.0 高级编程（第四版） [M]. 北京:清华大学出版社，2013，35-45.
[37] 弗拉纳根.李强. Javascript 权威指南 [M]. 北京:机械工业出版社，2017，126-135.
[38] 朱红, 薛红, 王德平, et al. 学位论文管理系统的分析与实现[J]. 四川理工学院学报(自科版), 2006, 19(5):124-126.
[39] 微软公司.数据库访问技术----ADO.NET 程序设计 [M]. 北京:高等教育出版社，2014，23-25.
[40] B. R. Myers. Beginning Object-Oriented ASP.NET 2.0 with VB.NET. [M].Apress，2015,45-45.
[41] A. D. Troelsen. Pro C# 2008 and the .NET 3.5 Platform [M].Apress，2015,45-57.
[42] C. Anderson.WPF 核心技术[M]. 北京:人民邮电出版社，2015，45-47.
[43] A. D. Troelsen. Pro C# 2010 and the .NET 2.0 Platform. [M].Apress，2018,23-34.
[44] 微软公司.数据库访问技术----ADO.NET 程序设计[M]. 北京:高等教育出版社，2015,56-67.
[45] A. B. Cameron Moll，Simon Collison .精通 CSS 高级 Web 标准解决方案（第 2 版） [M]. 北京:人民邮电出版社，2012,29-89.
[46] 王珊.萨师煊 . 数据库系统概论(第四版) [M]. 北京:高等教育出版社，2013,180-190.
[47] (美) 安德拉德 等.WPF 高级编程 [M].(王德才.吴明飞 译). 北京:清华大学出版社，2008,23-34.
[48] C. Anderson.WPF 核心技术[M]. 北京:人民邮电出版社，2016,56-67.
[49] 宋坤，李严，王国辉等.SQL Server 数据库开发实例解析 [M].北京:机械工业出版社,2014，122-134.
[50] P. Rob, E. Semaan. 数据库设计与开发教程 [M].(于书举,许向众,韩德强等译).北京：电子工业出版社，2017，310-321.
[51] 微软公司.面向.NET 的 WEB 应用程序设计 [M]. 北京:高等教育出版社，2014:1-7.
[52] 陈禹.软件开发工具 [M] .北京:经济科学出版社，2016: 93-142.
[53] 陈京民. 数据仓库原理、设计与应用 [M] .北京:中国水利水电出版社，2014: 124-153.
[54] LeCun Y, Bengio Y, Hinton G. Deep learning[J]. nature, 2015, 521(7553): 436.
[55] Schmidhuber J. Deep learning in neural networks: An overview[J]. Neural networks, 2015, 61:85-117.
[56] Hao X , Zhang G , Ma S . Deep Learning[J]. International Journal of Semantic Computing,2016, 10(03):417-439.
[57] Papernot N , Mcdaniel P , Jha S , et al. The Limitations of Deep Learning in AdversarialSettings[J]. 2015.
[58] Martens J . Deep learning via Hessian-free optimization[C]// Proceedings of the 27thInternational Conference on Machine Learning (ICML-10), June 21-24, 2010, Haifa, Israel.Omnipress, 2010.
[59] Yu L , Hermann K M , Blunsom P , et al. Deep Learning for Answer Sentence Selection[J].Computer Science, 2014.
[60] Cho Y , Saul L K . Kernel Methods for Deep Learning[C]// Advances in Neural InformationProcessing Systems 22: 23rd Annual Conference on Neural Information Processing Systems2009. Proceedings of a meeting held 7-10 December 2009, Vancouver, British Columbia, Canada. DBLP, 2009.
[61] 刘建伟, 刘媛, 罗雄麟. 深度学习研究进展[J]. 计算机应用研究, 2014, 31(7).
[62] 孙 志 军 , 薛 磊 , 许 阳 明 , et al. 深 度 学 习 研 究 综 述 [J]. 计 算 机 应 用 研 究 , 2012,29(8):2806-2810.
[63] 尹宝才, 王文通, 王立春. 深度学习研究综述[J]. 北京工业大学学报, 2015(1):48-59.
[64] 陈先昌. 基于卷积神经网络的深度学习算法与应用研究[D]. 浙江工商大学, 2014.
[65] 梁军, 柴玉梅, 原慧斌, et al. 基于深度学习的微博情感分析[J]. 中文信息学报, 2014,28(5):155-161.
[66] 马世龙, 乌尼日其其格, 李小平. 大数据与深度学习综述[J]. 智能系统学报, 2016(6).
[67] 周飞燕, 金林鹏, 董军. 卷积神经网络研究综述[J]. 计算机学报, 2017(6).
[68] 李岳云, 许悦雷, 马时平, et al. 深度卷积神经网络的显著性检测[J]. 中国图象图形学报,2016, 21(1):53-59.
[69] 李飞腾. 卷积神经网络及其应用[D]. 大连理工大学, 2014.
[70] 杨楠. 基于 Caffe 深度学习框架的卷积神经网络研究[D].
[71] 张兆晨, 冀俊忠. 基于卷积神经网络的 fMRI 数据分类方法[J]. 模式识别与人工智能,2017(06):71-80.
[72] 李丹, 沈夏炯, 张海香, et al. 基于 Lenet-5 的卷积神经网络改进算法[J]. 计算机时代,2016(8):4-6.
[73] 随婷婷, 王晓峰. 一种基于 CLMF 的深度卷积神经网络模型[J]. 自动化学报, 2016, 42(6).
[74] 杨天祺, 黄双喜. 改进卷积神经网络在分类与推荐中的实例应用[J]. 计算机应用研究,2018, 35(4): 974-977.
[75] 费建超, 芮挺, 周遊, et al. 基于梯度的多输入卷积神经网络[J]. 光电工程, 2015, 42(3).
[76] 王佩琪, 高原, 刘振宇, et al. 深度卷积神经网络的数据表示方法分析与实践[J]. 计算机研究与发展, 2017(06):221-229.
[77] 高耀东, 侯凌燕, 杨大利. 基于多标签学习的卷积神经网络的图像标注方法 [J]. 计算机应用, 2017(1):228-232,共 5 页.
[78] 唐智川, 张克俊, 李超, et al. 基于深度卷积神经网络的运动想象分类及其在脑控外骨骼中的应用[J]. 计算机学报, 2017(6).
[79] 汤鹏杰, 王瀚漓, 左凌轩. 并行交叉的深度卷积神经网络模型[J]. 中国图象图形学报,2018, 21(3).
[80] 刘冶, 潘炎, 夏榕楷,等. FP-CNNH:一种基于深度卷积神经网络的快速图像哈希算法[J].计算机科学, 2016, 43(9):39-46.