基于关联规则数据挖掘技术的高校学生学习成绩分析

论文摘要

近年来随着高校不断扩招,学校学生人数和教师人数大幅度增加,给高校学生管理和教学工作带来了严峻的考验,传统的教学管理手段已经逐渐不能适应社会的发展了。高校有很多信息系统和各类数据库,如学籍管理系统、成绩管理系统、人事管理系统等,这些系统和数据库已经积累了大量的数据,但是由于缺乏必要的信息技术和手段,管理人员只能通过简单的统计分析、排序、备份等功能获得表面信息,隐藏在数据背后的信息不能得到有效利用。数据挖掘就是从历史数据集中发现隐含模式,并且应用这些模式进行预测。数据挖掘技术能够对已有的大量数据分析的基础上进行科学研究、商业决策或企业管理,从而达到为决策支持服务的目的。关联规则挖掘比较,是数据挖掘领域里最为活跃的研究方向之一,它反映一个事件和其他事件直接依赖或关联的知识。本文首先对数据挖掘做了一般性讨论,包括数据挖掘的历史、概念、相关技术。然后,对数据挖掘中重要的关联规则挖掘算法做了深入的研究,分析了关联规则挖掘算法中经典的Apriori算法及其AprioriTid算法,总结了算法中存在的问题,接着在AprioriTid算法基础上提出了改进算法。最后,利用改进算法,依据数据挖掘的标准流程对某高校2004级到2008级五个年级不同专业学生的《计算机程序设计基础与VF》课程成绩为研究对象,挖掘得到了影响成绩的因素,从而为提高教学质量提供依据。高校中可以挖掘的信息不仅仅是成绩,还可以对学生年龄(思维认知成熟度)、性别、爱好、家庭背景、健康状况、学籍、学历、高考成绩、课程内容、试卷、教师等信息进行数据挖掘,从而为管理者和教师提供决策依据,因人施教,提高高校教学水平和教学管理工作成效。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 本论文的研究意义
• 1.2 数据挖掘技术的国内外研究现状
• 1.2.1 国外现状
• 1.2.2 国内现状
• 1.3 数据挖掘技术在教育领域的应用
• 1.4 本论文的主要内容及结构安排
• 第2章 数据挖掘技术综述
• 2.1 数据挖掘的发展历史
• 2.2 数据挖掘的概念
• 2.3 数据挖掘的相关技术
• 2.3.1 决策树
• 2.3.2 人工神经网络
• 2.3.3 关联规则
• 2.3.4 链接分析
• 2.3.5 遗传算法
• 第3章 关联规则数据挖掘算法的分析
• 3.1 关联规则挖掘研究综述
• 3.2 关联规则的基本概念
• 3.3 关联规则挖掘问题的描述
• 3.4 关联规则的种类
• 3.5 常见的关联规则算法
• 3.5.1 AIS算法
• 3.5.2 SETM算法
• 3.5.3 Apriori系列算法
• 3.5.4 FP-Growth算法
• 3.5.5 HCS-Mine算法
• 3.6 各种关联规则算法的比较
• 第4章 Apriori及改进算法的设计
• 4.1 Apriori算法
• 4.1.1 Apriori算法思想
• 4.1.2 Apriori算法举例演示
• 4.1.3 Apriori算法的设计与实现
• 4.2 AprioriTid算法
• 4.2.1 AprioriTid算法思想
• 4.2.2 AprioriTid算法举例演示
• 4.2.3 AprioriTid算法的设计与实现
• 4.3 改进AprioriTid算法
• 4.3.1 改进思路
• 4.3.2 改进算法的描述
• 4.3.3 改进算法的举例
• 4.3.4 改进算法的设计与实现
• 4.3.5 改进算法的特点
• 4.3.6 改进算法的时间复杂性分析
• 第5章 应用改进算法分析学生成绩
• 5.1 挖掘过程
• 5.2 数据采集
• 5.3 数据预处理
• 5.3.1 数据清理和数据转换技术
• 5.3.2 数据预处理过程及结果
• 5.4 实施关联规则挖掘
• 5.4.1 改进算法的挖掘过程
• 5.4.2 使用改进算法挖掘结果展示
• 5.5 关联规则结果分析
• 第6章 结论与展望
• 6.1 本文总结
• 6.2 工作展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文