教务管理系统中的数据挖掘

论文摘要

数据仓库和数据挖掘是数据库研究、开发和应用最活跃的分支之一,也是决策支持系统的关键因素。数据仓库是一个支持管理决策过程的、面向主题的、随时间而变的数据集合,它是集成的,也是稳定的。数据挖掘是采用人工智能的方法对数据库和数据仓库中的数据进行分析、获取知识的过程。它们的结合能更好地为企业或有关部门不同目的的决策分析提供有力的依据。纵观以往的教务管理系统,多数是OLTP系统,缺乏综合分析、辅助决策的能力,尤其对其历史积累的海量信息中隐含知识的利用无能为力。对教学管理进行分析是教学评估的重要手段,采用数据挖掘技术对教务数据进行多层次、多角度的分析与挖掘,利用挖掘结果辅助教学决策是保证教学质量、提高学生素质的必然要求。本文研究如何将数据仓库和数据挖掘技术应用于教务管理系统中,主要工作如下:①对数据挖掘的关联规则方法进行了综述,对经典的Apriori算法的进行了分析与研究,提出了一种改进的Apriori算法,并将其应用到教务管理系统中。②针对教务管理系统的特点,选取了利用学生的历史成绩数据进行挖掘,从而得出课程之间合理安排顺序的这一挖掘方向。在研究中采用了SQL Server 2005中的SQL Server Business Intelligence Development Studio作为挖掘工具,并采用了改进的Apriori算法进行关联规则挖掘。③以重庆科技学院教务管理系统中“石油工程”专业的学生成绩历史数据作为挖掘对象,详细的介绍了整个挖掘的过程。最后,由挖掘结果分析得出了该专业合理的课程安排顺序及其教学计划制定的标准。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 论文的主要研究内容及主要工作
• 1.4 论文组织结构
• 2 数据挖掘相关知识概述
• 2.1 数据挖掘技术
• 2.1.1 数据挖掘概述
• 2.1.2 数据挖掘的产生及定义
• 2.1.3 数据挖掘的模型
• 2.1.4 数据挖掘的分类方法
• 2.2 算法的选择
• 3 关联规则研究
• 3.1 关联规则的研究现状
• 3.1.1 算法的设计和效率的研究
• 3.1.2 关联规则应用研究
• 3.1.3 对关联规则评价体系和条件约束型关联规则的研究
• 3.2 关联规则基础知识
• 3.2.1 关联规则的定义
• 3.2.2 关联规则的相关术语
• 3.3 关联规则的种类
• 3.3.1 基于规则中处理的变量的类别
• 3.3.2 基于规则中数据的抽象层次
• 3.3.3 基于规则中涉及到的数据的维数
• 3.4 关联规则的算法
• 3.5 Apriori 算法及改进
• 3.5.1 Apriori 算法
• 3.5.2 Apriori 算法的改进
• 3.6 进一步研究的方向
• 3.6.1 开发更高效的挖掘算法
• 3.6.2 可视化挖掘
• 3.6.3 基于不同媒体的挖掘
• 4 教务管理系统设计与开发
• 4.1 系统特点
• 4.2 系统平台
• 4.2.1 系统软硬件平台
• 4.2.2 C/S 与B/S 结构
• 4.3 教务管理系统实现
• 4.3.1 系统设计的总体思想
• 4.3.2 功能模块实现
• 4.3.3 B/S 与C/S 结合的体系结构设计
• 4.4 高校数据中心
• 4.5 小结
• 5 数据挖掘在教务系统课程分析中的实现
• 5.1 问题的提出
• 5.1.1 以“石油工程”这个专业的课程作为研究对象
• 5.1.2 具体分数成绩等级化
• 5.2 挖掘工具和技术的选取
• 5.2.1 挖掘工具的选取
• 5.2.2 数据挖掘方法的选取
• 5.3 挖掘过程
• 5.3.1 数据准备
• 5.3.2 建立挖掘模型
• 5.3.3 建立挖掘结构
• 5.3.4 进行挖掘
• 5.4 挖掘结果分析
• 5.4.1 规则理解
• 5.4.2 挖掘存在的不足
• 5.5 小结
• 6 结论和展望
• 6.1 总结
• 6.2 展望
• 6.2.1 本文研究不足之处的改进
• 6.2.2 教学管理中其他事务的挖掘
• 6.2.3 建立面向普通用户使用的教学数据挖掘系统
• 致谢
• 参考文献
• 附录
• 作者在攻读学位期间发表的论文目录