《数据挖掘论文：关联规则在高校教务管理中的应用》由会员分享，可在线阅读，更多相关《数据挖掘论文：关联规则在高校教务管理中的应用（5页珍藏版）》请在金锄头文库上搜索。
1、 数据挖掘论文：关联规则在高校教务管理中的应用数据挖掘论文：关联规则在高校教务管理中的应用【中文摘要】数据挖掘技术是一门综合性多学科的技术,被认为是数据库和人工智能领域中研究、开发和应用最活跃的分支之一,关联规则挖掘又是数据挖掘领域中的-个极其重要的内容。关联规则挖掘的主要在于发现数据库中大量的、看似无关的数据之间隐藏的、有用的关系。近年来已广泛应用在产品质量分析、金融风险预测、电信、分子生物学、基因工程研究以及信息搜索等众多领域。近年来随着高等教育体系的发展成熟,高校教学规模的不断扩大,教学管理的逐步规范化,高校教学管理面临着巨大的压力。为了适应高校的发展,各校先后利用校园网等资源进行了教育
2、信息化,高校教务管理系统的运用使教务管理产生了飞跃的变化,大大提高了工作效率,减少了人力物力的浪费。将数据挖掘技术运用于高校教务管理中,利用分析结果辅助教学决策科学的指导有助于帮助管理者做出科学的决策,是一项具有重大意义的研究。文章对数据挖掘技术作了一般性的讨论,对数据挖掘的概念、产生的背景、意义以及数据挖掘的技术、方法、应用领域等做了简单的介绍。然后较为详细的介绍了数据挖掘中关联规则挖掘,阐述了关联规则挖掘涉及的相关概念、性质等,解析了关联规则中的经典算法Apriori 算法。通过对算法缺陷的分析,引出了一些改进了的 Apriori 算法,并重点提出了一种改进了的 Apriori 算法：介绍
3、了该改进算法的基本思想、理论基础以及该算法实现的详细步骤,并举例详细说明了该算法的挖掘步骤。文章将改进了的 Apriori 算法应用于高校教务管理中,以作者所在学校教学评价数据为例,通过对教师素质与教师评价成绩数据的挖掘,发现了教学质量与教师素质之间的联系,并依据挖掘结果提出了提高教学质量的方案,为教学管理部门提供了决策和指导。【英文摘要】Data mining technology is a comprehensive multidisciplinary technology, is considered to be one of the most active branch in rese
4、arch development and application of database and artificial intelligence fields, while the association rules mining is an extremely important content of the data mining. The main purpose of association rules mining is to find hidden and useful relationship among a lot of seemingly unrelated data in
5、the database. In recent years data mining have been used widely in product quality analysis, financial risk forecasting, telecommunications, molecular biology, genetic engineering research, information search and many other fields.In recent years, with the constant expansion of university teaching,
6、the gradual standardization of teaching management, College Teaching Management faces enormous pressures. In order to adapt to the development of universities, schools have used the campus network and other resources for education informatization. The application of College Teaching Management Syste
7、m makes the educational administration produced a leap changes and that greatly improve the working efficiency, reduce the waste of manpower and material resources. Data mining technique used in College Educational Administration, using the analysis results to assisted teaching decision-making forme
8、d scientific guidance will help managers to make scientific decision-making, so its a significant research.The paper made a general discussions about the concept, background and significance of the data mining, and also made a simple introduction to techniques, methods and applications of the data m
9、ining. And then made a more detailed description of the association rules mining in data mining. Explained the relevant concepts, properties of the association rules mining. Parsed a classical algorithm of association rules-the Apriori algorithm. Through the analysis of the algorithms defects, raise
10、d some improved Apriori algorithm, and highlighted an improved Apriori algorithm. And then introduced the basic idea, theoretical basis and detailed steps of the algorithm, and took an example to illustrate the algorithm in detailed mining steps.The paper made the improved Apriori algorithm applied
11、in Educational Administration. For example, with the teaching evaluation data of authors school, through the evaluation of teacher quality and teacher performance data mining, found the relationship between the teaching quality and teacher quality, and made a proposal for improving teaching quality
12、based on the result of the data mining. and provided Decision-making and guidance for management departments of teaching.【关键词】数据挖掘 关联规则 Apriori 算法【英文关键词】Data mining Association rules Apriori algorithm【目录】关联规则在高校教务管理中的应用 摘要 3-4 Abstract 4-5 第一章 绪论 8-14 1.1 数据挖掘研究背景及意义 8 1.2 数据挖掘的发展历史及国内外研究现状 8-9 1.3
13、论文研究背景及意义 9-12 1.4 论文研究内容及论文的结构 12-14 第二章 数据挖掘的相关理论及技术 14-29 2.1 数据挖掘与知识发现 14-15 2.2 数据挖掘的过程 15-18 2.2.1 数据预处理 16-17 2.2.2 数据挖掘 17 2.2.3 评估和表示 17-18 2.3 数据挖掘的任务 18-20 2.4 数据挖掘的分类 20 2.5 数据挖掘方法 20-22 2.6 数据挖掘的应用 22-26 2.7 数据挖掘的主要研究问题 26-28 2.8 小结 28-29 第三章 关联规则 29-47 3.1 关联规则概述 29-32 3.1.1 关联规则的相关定义
14、30-31 3.1.2 关联规则的性质 31-32 3.2 关联规则的基本算法Apriori 算法 32-40 3.2.1 Apriori 算法介绍 33-36 3.2.2 Apriori 算法过程举例 36-40 3.3 改进的 Apriori 算法 40-45 3.3.1 Apriori 算法存在的问题 40-41 3.3.2 Apriori 算法的改进 41-43 3.3.3 一种改进的Apriori 算法 43-45 3.4 小结 45-47 第四章 关联规则在高校教务管理中的应用 47-57 4.1 问题求解过程 47-48 4.2 问题描述 48 4.3 教学质量评价的挖掘 48-56 4.3.1 数据的预处理 49-51 4.3.2 关联规则挖掘 51-54 4.3.3 测试结果与分析 54-56 4.4 小结 56-57 第五章 总结 57-59 参考文献 59-62 致谢 62
