基于关联规则的数据挖掘在高校教学评价中的应用研究

论文摘要

数据信息被誉为当今社会最为宝贵的财富。数据挖掘作为新兴的前沿学科,虽然发展历史较短,但发展态势异常迅猛,尤其是在最近几年。数据挖掘技术有着非常广泛的应用前景和宝贵的推广价值,并且在许多行业和领域里已经获得了非常良好的效益。然而与此形成强烈反差的是数据挖掘在高等教育领域的应用还远远不够,与其它领域对比起来,仍然存在较大差距。本文主要阐述了数据挖掘及数据仓库的一些基本理论知识,重点介绍了关联规则的基本理论以及关联挖掘算法—经典Apriori算法。本文分析了该算法的缺点并针对存在的弊端,给出了Apriori-A、Apriori-B两种优化策略。最后结合亳州师范高等专科学校实际情况,以教学评价为例,着重探讨了关联规则数据挖掘在高校的实践应用。本文所做的主要工作体现在以下几点：（1）在认真学习了相关参考文献的基础上,对数据挖掘与数据仓库的基础理论知识作了细致的梳理,并阐述了数据挖掘应用的重要意义。（2）仔细分析并研究了关联规则算法-Apriori算法,给出伪代码表示,并指出了其存在的缺点。本文给出了两种优化策略Apriori-A和Apriori-B,结合实际的例子对这两种优化算法均作了细致的分析和深入的研讨,并通过例子可以验证其算法效率确实得到改进。（3）以亳州师专教学评价数据库及教师档案等信息为挖掘蓝本,给出了亳州师专基于优化后的Apriori-B算法的数据挖掘模块的整体功能设计框架,并提出两种实现挖掘的方案。最终的实际挖掘结果也表明两种方案仅存在着轻微的支持度和置信度的误差,这也同时验证了自行设计挖掘模块的可行性以及结论的有效性。（4）详细描述了利用优化后的Apriori-B算法应用于教学评价的数据挖掘的过程。其主要包括数据的准备,数据的清理、数据的泛化及变换、属性的约简,数据的挖掘及对结果的细致分析等等。通过具体实践,真正实现了关联规则的数据挖掘技术在高校教学评价中的应用。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 研究背景
• 1.2 数据挖掘研究现状
• 1.3 选题意义
• 1.4 主要内容及组织结构
• 第二章 数据挖掘的相关基础知识
• 2.1 数据挖掘综述
• 2.1.1 数据挖掘的基本概念
• 2.1.2 与传统分析方法的区别之处
• 2.2 数据挖掘的对象
• 2.3 数据挖掘的目标及分类
• 2.4 数据挖掘的过程和方法
• 2.4.1 数据挖掘的过程
• 2.4.2 数据挖掘的方法
• 2.5 数据挖掘同数据仓库的之间的内在联系
• 2.6 数据挖掘的应用领域
• 2.6.1 科学研究领域
• 2.6.2 医疗领域
• 2.6.3 金融投资业
• 2.6.4 商业零售领域
• 2.6.5 电信领域
• 2.7 本章小结
• 第三章 数据仓库的基本概念及原理
• 3.1 数据仓库的定义
• 3.2 数据仓库的特征
• 3.2.1 面向主题性
• 3.2.2 数据的集成性
• 3.2.3 数据的时变性
• 3.2.4 数据的相对稳定性
• 3.2.5 数据的集合性
• 3.3 数据仓库系统结构
• 3.3.1 数据源
• 3.3.2 数据的存储与管理
• 3.3.3 OLAP（联机分析处理）服务器
• 3.3.4 前端工具
• 3.4 数据仓库模型
• 3.4.1 星形模型
• 3.4.2 雪花模型
• 3.5 本章小结
• 第四章 关联规则及Apriori算法研究
• 4.1 关联规则的基本定义概念
• 4.2 经典的Apriori算法
• 4.2.1 Apriori算法基本思想
• 4.2.2 Apriori算法生成频繁项集的过程
• 4.2.3 Apriori算法的主要步骤
• 4.2.4 Apriori算法描述
• 4.3 Apriori算法的应用举例
• 4.4 优化Apriori算法的效率
• 4.4.1 Apriori-A算法
• 4.4.2 应用举例-1
• 4.4.3 Apriori-B算法
• 4.4.4 应用举例-2
• 4.5 由频繁项集产生关联规则
• 4.6 本章小结
• 第五章 数据挖掘在高校教学评价的实践应用
• 5.1 意义与背景
• 5.1.1 高校教学评价的重要意义
• 5.1.2 亳州师专开展教学评价的背景
• 5.2 亳州师专基于关联规则的教学评价系统设计方案
• 5.2.1 亳州师专教学评价系统功能设计
• 5.2.2 数据挖掘模块的实现设计研究
• 5.3 亳州师专教学评价的数据挖掘实施过程
• 5.3.1 数据预处理内容介绍
• 5.3.2 关联规则挖掘
• 5.3.3 挖掘结果及分析
• 5.4 挖掘小结
• 5.5 本章小结
• 第六章 总结和展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢