基于决策树分类算法的学习成绩分析系统的设计与实现

论文摘要

21世纪是知识经济时代,也是社会各个领域特别是教育全面信息化的时代,教育信息化水平和数字化教学资源的有效占有量已成为衡量一个国家或地区教育现代化进程的重要标志,是21世纪教育的生命线。随着数字化校园的普及以及各种教学管理系统的应用,产生了大量的原始数据,但在日常教学管理应用中此类数据的只是简单的数据查询统计,并未对这些数据隐藏的丰富的信息资源进行分析。而数据挖掘技术的出现解决了此类问题,数据挖掘技术可以在浩瀚的数据中进行统计、分析、综合、推理,发现数据内部关联,并作出预测,提供数据信息,为事务决策提供辅助支持。目前数据挖掘技术已经在商业领域得到广泛应用。同样,可将数据挖掘技术与数字化校园进行结合,利用学校各类数据中的信息进行挖掘分析,提取隐藏的数据信息,为学校管理部门决策提供依据,进一步提高高校的办学水平。本文结合东营市胜利技术学校成绩分析系统项目背景,分析数据挖掘技术在学校教学领域中应用的可行性,并以成绩分析系统为例提出具体的实施方案。在本实施方案中,以实际课程成绩为基础,确定数据挖掘的对象和目标、数据清理和预处理、采用ID3算法完成数据分类离散转换、采用基于决策树算法的构建决策树、生成规则、评估分析。利用数据挖掘的结果,通过对学生成绩数据的分析,了解在不同考核方式下决定学生成绩优劣的主要因素,从而对不同考核方式的效果进行评定,为考试方式改革提供了数据依据,也为今后的教学改革提供相应的决策依据。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的研究背景与意义
• 1.2 国内外研究现状
• 1.3 本文的主要工作
• 1.4 本文的组织结构
• 第二章 数据挖掘中分类算法研究
• 2.1 数据挖掘分类过程概述
• 2.2 常用的分类算法
• 2.2.1. 贝叶斯分类算法
• 2.2.2. 决策树分类算法
• 2.2.3. 神经网络分类算法
• 2.2.4. 分类算法的比较与选择
• 2.3 ID3 分类算法
• 2.3.1. ID3 算法的概述
• 2.3.2. ID3 算法具体过程
• 2.4 本章小结
• 第三章 ID3 算法的改进与优化
• 3.1 ID3 算法概述
• 3.1.1 ID3 算法描述
• 3.1.2 ID3 算法相关概念
• 3.2 ID3 算法改进涉及的知识定义
• 3.2.1 泰勒公式
• 3.2.2 属性相似度
• 3.3 ID3 算法的改进过程
• 3.3.1 简化信息增益计算
• 3.3.2 属性重要性标注
• 3.3.3 改进算法实现的关键问题
• 3.4 实验验证
• 3.5 本章小结
• 第四章 实例研究—基于决策树的成绩分析系统设计
• 4.1 系统设计原则
• 4.2 系统架构设计
• 4.3 系统主要功能模块
• 4.3.1 数据库管理模块
• 4.3.2 数据预处理模块
• 4.3.3 挖掘实施模块
• 4.3.4 模式评估模块
• 4.3.5 知识输出模块
• 4.4 系统实现流程
• 4.5 关键技术实现
• 4.5.1 数据预处理模块
• 4.5.2 挖掘实施模块
• 4.5.3 知识输出操作模块
• 4.6 本章小结
• 第五章 结束语
• 致谢
• 参考文献