数据挖掘在高校招生中的研究与应用

论文摘要

数据挖掘技术从产生以来,己经被应用于多种领域,并得到了充分的验证,显示了其重要的经济和社会价值。随着高等教育的迅速发展,高校新生进校成绩的差异增大。高校如何在招生时对学生进行有效的筛选以及进校后如何对学生进行管理,已成为各高校面临的一个问题。本文深入分析了数据挖掘技术与高校信息的特点,阐述了该技术应用于高校招生和高校管理中的可行性必要性以及实施的思路。在研究了Apriori和C4.5数据挖掘算法的基础上,对上述两算法进行了有效地改进,并基于改进的算法实现了高校招生分析系统。本文做的工作主要表现在以下几个方面:(1)提出了把数据挖掘技术应用于高校招生工作和高校管理工作的思想,分析了该应用的可行性与必要性;(2)把数据挖掘技术的特点与高校信息的特点相结合,建立了适用于高校管理和高校招生的数据挖掘模型;(3)有效地改进了Apriori算法和C4.5算法,在Apriori算法上提出了交集理论,减少了程序访问数据库的次数;对C4.5算法的改进是引进了推进技术。提高了分类精确度。(4)基于改进的Apriori和C4.5算法实现了高校招生分析系统,挖掘出高校招生决策规则集,为高校招生和管理工作提供了决策支持。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 论文的研究背景和意义
• 1.1.1 数据挖掘技术及其研究现状
• 1.1.2 论文的研究意义
• 1.2 论文的主要内容
• 1.3 论文的章节安排
• 第二章 数据准备
• 2.1 数据选择
• 2.1.1 数据选择的必要性
• 2.1.2 数据选择的方法
• 2.1.3 数据选择的步骤
• 2.2 数据预处理
• 2.2.1 数据清理
• 2.2.2 数据集成
• 2.2.3 数据规约
• 第三章 数据挖掘模型与算法改进
• 3.1 挖掘过程模型建立
• 3.1.1 Fayyad 数据挖掘过程模型
• 3.1.2 CRISP-DM 过程模型
• 3.1.3 数据挖掘过程模型的评估
• 3.1.4 挖掘知识的应用
• 3.2 挖掘算法的分析与改进
• 3.2.1 关联规则算法分析
• 3.2.2 Apriori 算法的改进
• 3.2.3 决策树技术的相关算法分析
• 3.2.4 C4.5 算法的改进
• 3.2.5 决策树剪枝
• 3.2.6 决策规则生成与结果评估
• 第四章 高校招生挖掘系统的设计
• 4.1 系统设计思想
• 4.2 数据准备
• 4.2.1 数据选择
• 4.2.2 数据预处理
• 4.3 数据挖掘模型确定
• 4.4 数据挖掘实现中的数据结构及相关说明
• 4.4.1 关联规则技术中的数据结构
• 4.4.2 决策树技术中的数据结构
• 4.5 生成规则
• 4.6 高校招生预测模型的建立
• 4.7 模型的评估
• 第五章 实验结果分析
• 5.1 数据查看
• 5.2 数据预处理
• 5.3 关联规则挖掘结果分析
• 5.3.1 智力因素对大学各科成绩的影响
• 5.3.2 非智力因素对学生学习的影响
• 5.4 决策树挖掘结果分析与高校招生预测模型的建立
• 5.4.1 决策树挖掘结果分析
• 5.4.2 高校招生预测模型的建立
• 5.5 高校招生预测模型验证
• 第六章 总结和展望
• 6.1 总结
• 6.2 本文的创新点
• 6.3 展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文和科研项目