基于数据挖掘的学生成绩分析

论文摘要

本文研究的内容就是从历年来的学生成绩及其相关数据库中找到符合条件的,感兴趣的规则,通过这些规则,学校可以对教学内容进行调整和教学方法进行改进以适应学生的学习和教学质量的提高。本文首先介绍了国内外研究背景以及发展现状,然后通过引入数据库基本知识和数据挖掘知识作为本文研究的理论基础来分析学生的成绩。在成绩分析过程中,根据实际应用的需要,首先介绍了数据预处理的相关知识,以这些知识为理论基础将收集到的数据信息按有利于数据挖掘的形式存储在待挖掘的数据库中。然后主要介绍了数据挖掘的经典算法,其中重点介绍APRIORI算法,并对该算法进行了分析,为了弥补APRIORI算法的不足,引入了FP增长的算法。结合实际系统开发需要,对FP算法进行了相应的调整和改进,对FP增长特别是FP树的更改后更有利于数据的存储,能更方便的发现频繁模式。最后根据关联规则,删除可能产生误导的规则。对于最后开发的系统,除了实现简单的数据分析之外,其主要目标是发现关联规则,并将感兴趣的关联规则以用户易于理解的形式展现在用户眼前。同时系统要求输入简单,操作直观,开销较小。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 引言
• 1.1 课题研究背景
• 1.2 国内外研究现状
• 1.3 研究的内容与目的
• 第2章 学生成绩分析中数据挖掘相关知识
• 2.1 数据挖掘的基本理论
• 2.1.1 数据挖掘的发展动力
• 2.1.2 数据挖掘的应用
• 2.1.3 数据挖掘的步骤
• 2.1.4 典型的数据挖掘系统
• 2.1.5 数据挖掘的主要方法
• 2.1.6 模式的兴趣度
• 2.2 学生成绩分析
• 2.2.1 学生成绩理论分析
• 2.2.2 学生成绩数据分析
• 第3章 数据挖掘的学生成绩处理
• 3.1 学生成绩的数据预处理
• 3.1.1 学生成绩数据预处理简介
• 3.1.2 学生成绩的变换
• 3.1.3 数据的选样
• 3.2 数据离散化和概念分层
• 3.2.1 数据的离散化
• 3.2.2 数据的概念分层
• 3.2.3 数据离散化和概念分层应用于学生成绩分析
• 第4章 学生成绩的关联分析
• 4.1 关联规则的原理
• 4.1.1 关联规则的发展
• 4.1.2 关联规则的相关概念
• 4.1.3 关联规则的分类
• 4.2 Apriori算法简介
• 4.3 使用Apriori算法进行学生成绩关联规则的数据挖掘
• 4.4 Apriori的改进
• 4.4.1 提高Apriori算法有效性技术简介
• 4.4.2 FP增长——不产生候选项集挖掘关联规则
• 4.5 改进的FP增长学生成绩频繁模式挖掘
• 4.5.1 同等级的学生成绩挖掘
• 4.5.2 完整成绩的关联规则分析
• 4.5.3 成绩关联规则挖掘其他问题分析
• 第5章 总结与展望
• 5.1 论文的总结
• 5.2 论文展望
• 参考文献
• 附录Ⅰ 图索引
• 附录Ⅱ 表索引
• Appendix Ⅰ Figure Index
• Appendix Ⅱ Table Index
• 致谢
• 攻读学位期间发表的学术论文目录