基于数据挖掘的决策支持系统的研究与实现

论文摘要

在我国大学生体育训练以课堂学习为主,业余锻炼为辅,基本上处于一种无序的状态,存在很多不合理的因素,无法满足大学生提高身体素质的需要。随着计算机科学技术的发展,特别是决策支持系统的发展,决策支持系统在体育运动训练领域得到了应用,随着数据仓库和数据挖掘技术的出现和发展,也将这两种技术应用到其中。本文介绍了采用数据仓库技术和数据挖掘技术构建的大学生体育训练辅助决策支持系统,把大学生的不同方面实现有机的集成,把科学的训练理论、先进的训练方法应用于大学生体育运动训练管理,结合用户输入产生一套合理的体育运动训练方案。该系统基于南昌大学在校大学生的体育成绩及身体检查表等数据,构建数据仓库的多维数据集,并将数据挖掘技术应用到其中。对数据挖掘中的关联规则挖掘和决策树分类算法进行了详细的分析和研究,首先对关联规则经典算法Apriori算法进行了适当改进,提高了读取数据库中有效数据的速率,同时减少了一些不必要的数据扫描,利于更快的产生频繁项集,这两点使该算法对于海量数据的挖掘效率明显提高;其次,对决策树ID3算法进行了改进,建立了基于该算法的挖掘模型,减少了建树时选择属性增益值时的计算量,提高了运行速度,设置属性重要度,解决了根结点趋向于取值较多的属性,并设置了剪枝阈值,限制了树的完全生长,同时能提高速度,促使产生结构合理的决策树。另外还利用sqlserver2005中的Analysis Service建立基于多维数据集的挖掘模型,产生的规则用于指导体育教学改革,相关程度较高的强关联规则可以导入知识库,作为产生体育训练方案时的依据。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究的背景
• 1.1.1 我国体育训练和管理现状
• 1.1.2 体育应用决策支持系统研究现状及存在问题
• 1.1.3 数据挖掘在体育领域研究现状
• 1.2 本文的工作和研究的意义
• 1.2.1 本文的工作
• 1.2.2 研究的意义
• 1.3 论文内容编排
• 第2章 数据仓库
• 2.1 数据仓库概述
• 2.1.1 数据仓库的产生和定义
• 2.1.2 数据仓库的特征
• 2.1.3 数据仓库的数据存储方式
• 2.1.4 数据仓库体系结构
• 2.2 数据仓库的设计
• 2.2.1 数据仓库的需求设计
• 2.2.2 概念模型设计
• 2.2.3 逻辑模型设计
• 2.2.4 物理模型设计
• 2.3 联机分析处理
• 2.4 数据仓库相关技术的发展趋势
• 2.5 本章小结
• 第3章 数据挖掘技术
• 3.1 数据挖掘技术概述
• 3.1.1 数据挖掘产生和定义
• 3.1.2 数据挖掘的概念
• 3.1.3 数据挖掘的主要方法
• 3.1.4 数据挖掘的目的
• 3.1.5 数据挖掘过程
• 3.1.6 数据挖掘应用
• 3.2 关联规则算法及改进
• 3.2.1 关联规则经典算法
• 3.2.2 基于关联规则的Apriori算法的改进
• 3.2.3 结论
• 3.3 决策树分类算法及改进
• 3.3.1 决策树ID3算法
• 3.3.2 决策树ID3算法的改进
• 3.3.3 结论
• 3.4 本章小结
• 第4章 基于数据挖掘技术的大学生体育训练决策支持系统的设计
• 4.1 决策支持系统概述
• 4.1.1 决策支持系统的概念
• 4.1.2 决策支持系统的特点
• 4.1.3 决策支持系统的发展概况
• 4.1.4 智能决策支持系统
• 4.2 基于数据挖掘决策支持系统的总体设计
• 4.2.1 人机交互系统设计
• 4.2.2 数据挖掘和训练方案制定
• 4.2.3 数据仓库管理系统
• 4.2.4 模型库管理系统
• 4.2.5 知识库管理系统
• 4.3 本章小结
• 第5章 基于数据挖掘技术的大学生体育训练决策支持系统的实现
• 5.1 系统的开发平台和开发工具
• 5.2 数据库中数据表的实现
• 5.3 数据库访问的实现
• 5.4 系统的运行及测试结果
• 5.5 数据挖掘模型在系统的实现与应用
• 5.5.1 基于改进后的Apriori算法模型实现
• 5.5.2 基于多维数据集的挖掘模型的实现
• 5.5.3 基于改进后的ID3算法模型实现
• 5.6 本章小结
• 第6章 总结与展望
• 6.1 论文总结
• 6.2 展望
• 致谢
• 参考文献
• 攻读学位期间的研究成果