改进的关联规则算法在学生就业问题上的应用研究

论文摘要

本文旨在研究如何将数据挖掘技术与学生就业问题相结合,从大量数据中挖掘隐藏在中等职业教育学校学生现有数据中的有用信息。本文介绍了数据挖掘相关知识,选取了关联规则中的Apriori算法为主要研究算法,并根据研究问题的需要,对Apriori算法进行了改进,将其应用于当前中等职业教育学校中,以解决学生就业的相关问题。同时根据当前中等职业教育学校中对学生就业问题管理的现状,阐述了其存在的不足。应用改进的Apriori算法对来自于不同学校、不同专业、不同学年的学生的就业情况进行了分析,找出了影响学生就业情况的一些因素,从而证实了利用数据挖掘的相关算法能够对中等职业教育学校的学生数据进行挖掘,职业教育信息中存在着关联规则,也证实了改进的Apriori算法在此问题上是有效的。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 论文研究的背景
• 1.1.1 时代的挑战
• 1.1.2 数据挖掘内容和本质
• 1.1.3 数据挖掘发展方向
• 1.2 问题研究的意义
• 1.3 系统现有功能简介
• 2 数据挖掘技术综述
• 2.1 数据挖掘的概念
• 2.2 数据挖掘的功能和分类
• 2.2.1 数据挖掘的功能
• 2.2.2 数据挖掘系统的分类
• 2.3 数据挖掘的过程
• 3 关联规则算法研究及改进
• 3.1 关联规则的基本概念
• 3.2 关联规则的分类
• 3.3 关联规则挖掘的经典算法—— Apriori算法
• 3.3.1 使用候选项集找频繁项集
• 3.3.2 由频繁项集产生强关联规则
• 3.3.3 Apriori算法
• 3.4 Apriori算法的改进
• 3.4.1 中等职业学校学生信息的特点
• 3.4.2 Apriori算法应用于教育领域的缺陷
• 3.4.3 对Apriori算法的改进
• 3.4.3.1 聚类的基本内容
• 3.4.3.2 算法的具体改进方法
• 3.5 新旧算法的比较
• 3.6 算法的验证
• 4 系统设计与实现
• 4.1 系统设计原则
• 4.2 系统结构
• 4.2.1 数据采集
• 4.2.2 数据预处理
• 4.3 数据表含义
• 5 改进的关联规则算法在职业教育领域中的应用
• 5.1 常用数据挖掘软件简介
• 5.2 算法在应用平台上的结构设计
• 5.3 算法在应用平台上的实现
• 5.4 应用结果的比较与分析
• 5.4.1 改进算法应用取得的成果
• 5.4.2 改进算法属性选择的过程
• 5.4.3 影响应用结果的因素
• 5.4.3.1 因素一分析
• 5.4.3.2 因素二分析
• 5.4.4 改进算法在实际应用上的结果分析与研究
• 5.4.4.1 应用结果分类
• 5.4.4.2 第一类规则的具体描述说明
• 5.4.4.3 第二类规则的具体描述说明
• 5.4.4.4 第三类规则的具体描述说明
• 5.5 改进算法应用的实际意义
• 6 总结与展望
• 6.1 主要工作
• 6.2 进一步研究方向
• 攻读硕士学位期间发表的学术论文
• 致谢
• 参考文献