基于数据仓库和数据挖掘的高校学生成绩分析

论文摘要

数据仓库和数据挖掘技术是信息技术研究的热点问题之一。目前数据挖掘技术在商业、金融业以及企业的生产、市场营销等方面都得到了广泛的应用,而在教育领域的应用相对较少,随着高校招生规模的扩展,在校生人数越来越多,学生成绩分布越来越复杂,除了传统的学生成绩分析得到的一些结论外,还有一些不易察觉的信息隐含其中,因而把基于数据仓库的数据挖掘技术引入到学生成绩分析中,可以找到影响学生成绩的真实原因,有利于有针对性地提高教学质量。本文在对数据仓库和数据挖掘知识透彻理解的基础上,介绍了数据仓库和数据挖掘的基本理论;阐述了数据挖掘中关联规则和聚类分析的基本算法;建立基于学生成绩的数据仓库,包括对学生成绩数据仓库的结构设计,模型设计及数据的抽取、转化和加载;对数据挖掘中的关联规则和聚类算法进行深入研究,并将一种改进的Apriori算法应用于所建立的学生成绩数据仓库中,实现了学生成绩题型知识点和学科知识点关联信息的挖掘和分析。分析出不同职称的教师在不同课程中的教学效果,得出哪些教师在哪门课程中教学效果比较好;比较出相同的学科在不同的课时安排下,学生掌握情况的好坏等等。这些分析对教学工作的开展与改进具有一定的指导意义。

论文目录

• 提要
• 第一章 绪论
• 1.1 研究背景
• 1.2 数据挖掘的历史及其发展
• 1.3 国内外研究现状
• 1.4 本文工作与论文组织结构
• 第二章 数据挖掘技术
• 2.1 数据挖掘的概念
• 2.1.1 数据挖掘的定义
• 2.1.2 数据挖掘的一般结构
• 2.1.3 数据挖掘的分类
• 2.2 数据挖掘的对象
• 2.3 数据挖掘的任务及其六种模式
• 2.4 数据挖掘算法
• 2.4.1 决策树方法
• 2.4.2 人工神经网络
• 2.4.3 遗传算法
• 2.4.4 粗糙维方法
• 2.4.5 模糊论方法
• 2.4.6 关联规则
• 2.4.6.1 概述
• 2.4.6.2 与关联规则挖掘相关的概念
• 2.4.6.3 Apriori 算法
• 2.4.7 朴素贝叶斯模型
• 2.5 数据挖掘的步骤
• 第三章 数据仓库和联机分析处理
• 3.1 数据仓库技术
• 3.1.1 数据仓库的定义和基本特性
• 3.1.2 数据仓库与数据挖掘的关系
• 3.1.3 数据仓库的系统结构
• 3.1.4 建立数据仓库
• 3.2 联机分析处理（OLAP）
• 3.2.1 OLAP 的定义和特性
• 3.2.2 OLAP 与 OLTP 的比较
• 3.2.3 OLAP 多维视图数据存储
• 3.2.4 数据仓库与OLAP 的关系
• 3.3 从数据仓库到数据挖掘
• 3.3.1 数据仓库的使用
• 3.3.2 从联机分析处理到联机分析挖掘
• 第四章 学生成绩数据仓库的建立
• 4.1 学生成绩数据仓库结构设计
• 4.2 学生成绩数据仓库模型设计
• 4.2.1 概念模型设计
• 4.2.2 逻辑模型设计
• 4.2.3 物理模型的建立
• 第五章 基于数据挖掘的学生成绩分析
• 5.1 学生成绩分析系统的建立
• 5.2 改进的 Apriori 算法
• 5.2.1 聚类的基本原理
• 5.2.2 改进的 Apriori 算法
• 5.3 对关联规则的结果进行聚类分析
• 5.4 学生成绩分析
• 5.4.1 学生成绩题型知识点信息挖掘
• 5.4.2 学生成绩学科知识点关联信息挖掘
• 5.4.3 小结
• 第六章 总结和展望
• 一.总结
• 二.展望
• 参考文献
• 摘要
• Abstract
• 致谢