基于归纳学习的数据挖掘技术在高校教学研究中的应用

论文摘要

人类社会已经进入信息时代,随着数据库技术的成熟和数据应用的普及,人类积累的数据量正在以指数速度迅速增长,数据挖掘(Data Mining)技术现在已经成为信息技术应用领域研究的焦点。数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。它融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。由于高校招生人数的扩大,导致学生的能力参差不齐。努力提高学生学习成绩是每一所高校的目标,影响学生的学习成绩的因素很多。传统的学生学习成绩分析无非是得到均值、方差、区别显著性检验、信度、效度等,往往还是基于教学本身来考虑。其实在教学中还有一些不易察觉的因素隐含其中,何况还有教学以外的因素影响学生学习成绩,这些都是需要进一步分析。本文列举了经典的决策树算法—ID3算法的应用实例,并结合属性选择标准等知识提出了改进的ID3算法。并将该方法应用到了高校学生成绩的数据挖掘中,通过此方法对学生某门课的成绩进行了情况分类,并对得到的结果进行分析,得出了影响学生成绩的内部原因以及其它一些原因。通过将改进的ID3算法与经典ID3算法构造的决策树进行比较,我们发现改进算法的决策树更加简洁、更接近于理想的决策树。根据决策树中反映的信息来制定相应的措施,保证学生能够更加轻松愉快的获取知识,使教学呈现出多元化的特点,为提高教育教学质量打下坚实的基础。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 数据挖掘和决策树的研究现状
• 1.3 本文的主要研究内容
• 1.4 论文组织结构
• 第2章 数据挖掘知识概述
• 2.1 数据挖掘的概念
• 2.2 数据挖掘的相关技术
• 2.2.1 归纳学习法
• 2.2.2 统计分析方法
• 2.2.3 仿生物技术
• 2.2.4 可视化技术
• 2.3 数据挖掘的主要任务
• 2.3.1 数据总结
• 2.3.2 分类
• 2.3.3 预测
• 2.3.4 关联分析
• 2.3.5 聚类
• 2.4 数据挖掘的应用领域
• 2.5 本章小结
• 第3章 决策树算法与标准ID3算法的研究
• 3.1 决策树算法概述
• 3.2 标准ID3算法的研究
• 3.2.1 ID3算法的基本思想
• 3.2.2 ID3算法的数学表示形式
• 3.2.3 ID3算法的具体描述
• 3.3 ID3算法的评估分析
• 3.4 本章小结
• 第4章 决策树剪枝算法与ID3改进算法的研究
• 4.1 研究简化决策树算法的原因
• 4.2 决策树剪枝算法的研究
• 4.2.1 预剪枝算法（pre-pruning）
• 4.2.2 后剪枝算法
• 4.2.3 修改测试属性空间剪枝算法
• 4.2.4 改进属性选择标准
• 4.2.5 改变数据结构
• 4.3 基于泰勒公式的改进ID3算法
• 4.3.1 算法改进的理论基础
• 4.3.2 ID3算法的改进过程
• 4.4 实验验证
• 4.5 本章小结
• 第5章 数据挖掘技术在高校教学研究中的应用
• 5.1 问题的提出
• 5.2 解决方案的研究
• 5.3 解决方案的具体实施过程
• 5.3.1 确定数据挖掘对象及目标
• 5.3.2 分类方法的选定
• 5.3.3 数据采集
• 5.3.4 改进ID3算法的实现与应用
• 5.3.5 学生基本信息的分类规则
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 个人简历
• 致谢