《华南理工大学专业学位研究生学位论文开题报告表》由会员分享，可在线阅读，更多相关《华南理工大学专业学位研究生学位论文开题报告表（10页珍藏版）》请在金锄头文库上搜索。
1、 专业学位研究生论文开题报告（专业学位研究生学位论文题目：宋体，小二号字，加粗）姓 名： 学 号： 学 院： 软件学院 专业类别： MBA, EMBA, 公共管理硕士, 法律硕士工程硕士，风景园林硕士工程领域（工程硕士填写）： 软件工程 华南理工大学研究生院二八年十一月- 1 -一、摘要中文论文题目 英文校内导师 研究方向校外导师职称或职务学科专长课题来源 工商管理硕士和公共管理硕士的 “课题来源 ”需要根据学位申报系统选择。摘 要（不超过800字）中文英文关键词1、关键词数量不少于三个； 2、关键词之间空一格（英文用/分隔）- 2 -二、立题依据1、 研究意义2010 年全球手机终端销量总计
2、为 16 亿部，较 2009 年大幅增加 31.8%，而中国目前仍然是全球最多移动用户的大国，在 2011 年 1 季度，我国不仅增加了 3000 万手机用户，其用户总数已达 8.89 亿。手机用户的迅速增加，随着我国高校招生规模的扩大，学生就业问题日益突出。除了不断加强学校的办学条件，高校的决策者也很想知道如何培养学生能够提高就业率。实行信息化管理以来，高校在日常的教学、管理和就业工作积累了大量的数据，目前这些数据尚未得到有效的充分的利用。而利用这些数据理性的分析高校在各方面的工作的成效以及学生培养过程中的得失变得重要。本文从我们掌握的大量实际的学生个人信息和就业数据出发，利用改进的关联规则
3、算法，挖掘其中内在的、不易发现的对高校学生培养、就业工作具有指导价值的信息。如果将其应用于高校实际的管理决策之中，具有重要的现实意义。2、 国内外研究现状数据挖掘是 20 世纪 80 年代末期新崛起的一门学科。它作为目前国际上数据库和信息决策领域最前沿的研究方向之一，引起了学术界和工业界的广泛关注。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。其研究目标主要是发展有关的方法论、理论和工具，从大量数据中提取有用的知识和模式。数据挖掘最初应用在商业领域，但随着研究的不断深入它已经广泛地应用于各个领域。关联
4、规则挖掘就是在海量的数据中发现数据项之间的关系，是数据挖掘领域中研究的热点问题。Agrawal 等于 1993 年首先提出了挖掘顾客交易数据库中项集间的关联规则问题AIS93b ，以后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。他们的工作包括对原有的算法进行优化，如引入随机采样、并行的思想等，以提高算法挖掘规则的效率；对关联规则的应用进行推广。关联规则挖掘的一个典型例子是购物篮分析。关联规则研究有助于发现交易数据库中不同商品（项）之间的联系，找出顾客购买行为模式，如购买了某一商品对购买其他商品的影响。分析结果可以应用于商品货架布局、货存安排以及根据购买模式对用户进行分类。数据挖掘工具对
5、于使用者的要求比较高，需要多种人才的配合，才能达到使用目的。为解决这一问题，一些专用数据挖掘系统应运而生，如:加州理工学院喷气推进实验室与天文科学家合作开发的 SKICA 丁系统，帮助天文学家发现遥远的类星体; 芬兰赫尔辛基大学计算机科学系开发的 TASA 系统，帮助顶测网络通信中的警报;IBM 公司的 Advanced Scout 系统针对 NBA 的数据，帮助篮球教练优化战术组合，一度在数据库界传为佳话。还有不少数据挖掘产品用来筛选- 3 -Internet 上的新闻，保护用户不受无聊电子邮件和商业推销的千扰，受到了极大的欢迎。与国外相比，国内对数据挖掘的研究稍晚，没有形成整体力量。199
6、3 年国家自然科学基金首次支持我们对该领域的研究项目。目前，国内的许多科研单位和高等院校竞相开展知识发现的基础理论及其应用研究，这些单位包括清华大学、中科院计算技术研究所、空军第三研究所、海军装备论证中心等。其中，北京系统工程研究所对模糊方法在知识发现中的应用进行了较深入的研究，北京大学也在开展对数据立方体代数的研究，华中理工大学、复旦大学、浙江大学、中国科技大学、中科院数学研究所、吉林大学等单位开展了对关联规则开采算法的优化和改造；南京大学、四川联合大学和上海交通大学等单位探讨、研究了非结构化数据的知识发现以及 Web 数据挖掘。国内运用数据挖掘技术应用于高校就业工作的还处于起步阶段。成功应
7、用的案例还比较少，这对数据挖掘技术和工具的研究人员以及开发商来说我国是一个有巨大潜力的市场。3、 主要参考文献及出处参考文献：2 中商情报网 . 2011-2015 年中国手机行业市场调研及未来发展趋势预测报告.成都：电子科技大学，20113 孔拥军.基于关系数据库关联规则的挖掘及增量式更新的研究 . 硕士学位论文.北京：北京科技大学, 20054 曲守云，董彩云，徐德军，吴桐.关联规则算法研究及其在教学系统中的应用 .计算机系统应用，2005,4:20-235 辛立章，陈春香数据挖掘技术在高校毕业生就业指导中的应用数据库及信息管,2007(4)6 刘斌.关联规则挖掘在学生生源质量分析中的应用
8、. 硕士学位论文.云南：云南大学，20077 杨龙平. ID3 算法在高校毕业生就业分析中的应用研究.硕士学位论文.北京：北京工业大学，20078 刘幸东. 高校学生就业信息的决策支持系统的应用研究.硕士学位论文.广州：中山大学，20069 聂永红，霍林，李春贵. 毕业生数据分析系.广西工学院学报， 2005, 16 (1):36一4010 彭松波. 数据挖掘技术在高校就业管理系统中的应用研究.硕士学位论文.浙江：浙江工业大学，200611 孔宇彦. 贝叶斯网络分类器及其在高职院校就业预测中的应用研究.硕士学位论文.广州：华南理工大学，200812 马冰冰. 学生信息管理与数据挖掘的应用.硕士
9、学位论文 .山东：山东大学，200813 吴少莹. 多维关联规则挖掘算法研究.硕士学位论文.天津：天津理工大学，200814 岳昌君. 大学生就业选择的行业因素分析J. 北京大学教育评论 . 2004.(03)15 韩冬. 数据挖掘在学分制教学管理中的应用J. 教育信息化 . 2006.(07)16 Emily,H.,Thomas,Nora,Galambos. What Satisfies Students? Mining Student-Opinion Data - 4 -with Regression and Decision Tree AnalysisJ. 2004,45(3):2512
10、69.17 招福新. 关联规则算法研究及其在高校学生信息库挖掘中的应用D. 重庆大学, 2005 .18 董彩云,曲守宁. 数据挖掘及其在高校教学系统中的应用 J. 济南大学学报(自然科学版), 2004,(01) .19 王欣. 基于数据挖掘的高校学生培养及就业指导研究D. 西南交通大学, 2006 .20 高宏宾,潘谷,黄义明. 基于频繁项集特性的 Apriori 算法的改进J. 计算机工程与设计, 2007,(10) .21 Yong Shi. Data Mining and Knowledge Management .Springer, 2005.22 杨斌 ,朱仲英 . Mining
11、 multilevel spatial association rules with cloud models .Journal of Harbin Institute of Technology, 2005, (03) :5 .23 NMelab， Data Mining: AKeyContributiontoE，business，Information&CorOrnunications TechnologyLaw， 2001.10(3):309 一 318三、研究方案及工作基础- 5 -1、 研究目标、研究内容及拟解决的关键问题1.研究目标大学生就业与大学生自身的诸多因素存在关联，本课题通
12、过数据挖掘技术，发现在与毕业生就业关联的诸多因素与大学生就业的关联情况，找出高校就业管理海量数据中隐藏的信息，从而提高毕业生就业指导工作的效果，并为学院发展提供决策支持。2.研究内容通过研究多维关联规则数据挖掘技术，结合自身在就业工作中掌握的实际就业数据，基于已有算法，针对算法中存在的不足进行改进，实现了一种基于维间多维关联规则数据挖掘的高效实用的方法。在通过掌握实际的学生信息基础上，测试了该方法的有效性，并建立了一个基于关联规则的就业分析系统，使其能够通过简单的操作分析处理就业管理中的海量原始数据，获取蕴藏在数据中的信息和知识。3.关键问题对于群体的特征与行为的数据挖掘是关联规则挖掘的一个重
13、要同时也是非常复杂的一个方向。如学生就业系统中学生个体自然信息与他们就业行为之间的关联倾向就属于这类情况。而目前很多通用的数据挖掘工具，基于对更通用的挖掘需要的考虑，并没有能对上述的挖掘需求给予足够的支持。本文通过研究多维关联规则数据挖掘技术，基于已有算法，针对算法中存在的不足进行改进，实现了一种基于维间多维关联规则数据挖掘的高效实用的方法。在通过掌握实际的学生信息基础上，测试了该方法的有效性，并建立了一个基于关联规则的就业分析系统。2、 拟采取的研究方法及技术路线通过研究关联数据挖掘技术，结合自身在就业工作中掌握的实际就业数据，基于已有算法，针对算法中存在的不足进行改进，实现了一种基于维间多
14、维关联规则数据挖掘的高效实用的方法。测试了该方法的有效性，并建立了一个基于关联规则的就业分析系统，完整的就业分析系统由两个部分组成：数据库处理和后台的数据挖掘算法执行。数据处理包括数据的读取、查询、统计、更新等等以及前台的简单系统界面。考虑到 SQL 语言结构简洁，功能强大，简单易学，是所有关系数据库的公共语言，系统中对数据库的操作全部用 SQL 语言通过编程来完成。而整个系统包括数据挖掘算法，是用 Java 语言编写，这是基于 Java 语言的简洁和健壮性考虑。我们采用的算法即是基于改进后的 Apriori 算法的多维关联规则算法。下图是系统的简单模型图。- 6 -本课题就业分析系统的开发方
15、面采用 JAVA 编程语言。1995 年，美国 Sun Microsystems 公司正式向 IT 业界推出了 java 语言，该语言具有安全、跨平台、面向对象、简单、适用于网络等显著特点。选用 java 语言基于以下几点：（1） 是一种面向对象的程序设计语言，而不是面向过程的语言；（2） 提供一个解释执行的程序运行环境，是程序代码独立于平台；（3） 吸收 C 和 C的优点，使程序员容易掌握；（4） 去掉 C 和 C中影响程序健壮性的部分，使程序更安全，例如指针、内存申请和释放；（5） 实现多线程，使得程序能够同时执行多个任务；（6） 提供动态下载程序代码的机制；（7） 提供代码校验机制以保证安全性；系统中对数据库的操作全部是用 SQL 语言通过编程来完成，SQL 全称是“结构化查询语言(StructuredQuery Language)”， 其语言结构简洁，功能强大，简单易学，得到了广泛的应用。它是所有关系数据库的公共语言。选用 SQL 数据库是因为 SQL 具备了如下的优点：（1） 是一个非过程化的语言，它一次处理一个记录，对数据提供自动导航。它允许用户在高层的数据结构上工作，而不对单个记录进行操作，可操作记录集，所有 SQL 语句接受集合作为输入，返回集合作为输出。SQL 的集合特性允许一条 SQL 语句的结果作为另一条 SQL 语句的输入。- 7 -
