《高校教务管理的数据挖掘研究与实践lx》由会员分享,可在线阅读,更多相关《高校教务管理的数据挖掘研究与实践lx(12页珍藏版)》请在金锄头文库上搜索。
1、附件1佳木斯大学教学研究项目申 请 书项目名称:高校教务管理的数据挖掘研究与实践申请人:所属部门:教务处课题组成员:联系电话: (办)8618708(宅)15945884243E _ mail:8213662163 com佳木斯大学教务处制2010年9月16日一、成员项目名称高校教务管理的数据挖掘研究与实践起止时间2011-2013主持人 姓名出生张磊性别男“戸1982.05年月最后 学历硕士专业技术职称/行政职务研究实习员现任课程数据库应用技术主要教学改革与科研经历一、教研项目1、佳木斯大学学生评教指标体系构建及实践研究佳木斯大学教务处2、高校素质教育课教学存在问题及现状分析佳木斯大学教务处
2、二、科研项目1、基于WTN200/xp平台的硬盘信息安全技术研究.佳木斯大学科技处三、发表论文1、张磊硬盘启动故障的排除技术科学时代.2007. 09.2、张磊课程管理系统中自动排课算法的分析与设计佳木斯大学学报2009. 53、张磊数据挖掘在调串课中的应用研究华章.201 0. 09。四、所获奖项实验经费管理与信息安全开发技术佳木斯市科学技术三等奖.项目组其它成员(仅限四人)姓名性别年龄单位职称项目分工张兴福男40佳木斯大学教务处副教授构建统计学模型曹薇女35佳木斯大学教务处助理研 究员收集相关资料陈新男31佳木斯大学教务处助理研 究员数据收集崔虹云女33佳木斯大学理学院讲师数据整理二、申请
3、立项依据(本课题研究的目的、意义、指导思想及其理论依据;本课题在国内外的研究现状及发展趋势分析;课题研究已具备的基本条件、工作基础以及其它有利条件;主要参考文献)%1. 本课题研究的目的.意义综合性大学在教务管理方面有着不同的措施,传统的教务管理软件仅仅能对已有的数据进行储存、查 询等一般的操作,然而随着教学管理改革的深入发展以及当前教学水平的不断提升,产生了海量的教务管 理数据,如果使用统计计算的方式进行整理并制定相应措施,这显然是极其浪费时间的,而传统软件单纯 的存储与查询操作也就不能满足教务管理工作的需要,更多的是要求的是能够直接整理并利用这些已有数 据,经过加工之后为管理改革的决策、成
4、果效果的预测起到实际的指导作用。随着这种问题的产生,越来越多的人参与到针对这一问题的研究中来,有些学者提出将所获得的数据 进行分类整理之后再使用统计学的方式进行处理,这样能够很好的减少数据量,还有人提议采用抽样的方 式进行处理。但是随着数据容量的不断发展,这种种方法逐渐显示出其不足之处。所有研究面向教务管理 的数据挖掘技术有着重要的理论意义和实际应用价值。%1. 本课题研究及发展现状当前企业管理上对于数据挖掘技术的研究很多,并且取得了很好的效果。因此对于在教学管理上使用 数据挖掘技术已经引起了广大研究者的注意。沈阳师范大学的闫禹等提出了在学生系统中使用关联规则的 数据挖掘,并且同时提出在就业指
5、导中的应用;浙江工业大学的何文秀也提出了在就业指导工作中使用数 据挖掘技术。然而这些已有的算法大都针对在就业以及学生工作当中,在教务管理上由于个综合性大学有 不同的体系结构,目前还没有一个成型的数据挖掘体系结构,所以一个系统、完备、有效的教务管理数据 挖掘算法是极其重要的。%1. 课题研究已具备的基本条件1、积累了大量的教务管理数据,包括教室管理、调串课管理、课程管理等多种数据,为研究奠定了 数据基础;2、项目组成员有着多年数据挖掘研究的经验,在数据挖掘技术上做了大量的工作,取得了一定的研 究成果。在该项目上也作岀了大量的基础性工作,积累了相关研究理论和技术基础。3、项目组成员一直处在教务管理
6、第一线,具有较高的教务管理水平,积累了大量的实际工作经验, 不仅能够针对研究提供大量的实验数据,而且能够在项目的研究过程中提出更多实际可行的建议。%1. 主要参考文献1 高尚,杨静宇.一种新的基于粒子群算法的聚类方法.南京航空航天大学学报,2006.7.2 唐槐璐,须文波,龙海侠.基于AQPSO的数据聚类.计算机工程与应用,2007.3 罗辞勇,陈民铀,韩力适应性粒子群寻优算法II 控制与决策,2009.6.4 陈思功,章恒耕,邓凯.软件系统设计中人因工程的研究.计算机工程与设计,2002.4.5 Dave Kirk, Tim Brailsford. Issues in Human Facto
7、rs6 J iawei Han, Michel ine Kamber. Data Mining Concepts and Techniques. 机械工业 出版社,2005.7 高学东,王文贤,武森.基于数据立方体的多维关联规则的挖掘方法.计算机工程,2003.8.8 闰禹.多维关联规则数据挖掘研究及其在学生信息系统中的应用.沈阳工业大学硕士学位论 文.2003. 3.9 吕守涛,毛玉明.多维关联规则挖掘在高校就业领域中的应用信息技术,2007.10.10 莫愿斌.粒子群优化算法的扩展与应用.浙江大学博士学位论文.2006. 10.11 龙海侠,须文波,孙 俊.基于QPS0的数据聚类计算机应用
8、研究.2005.1112 孙洋,罗可.基于该粒子群算法的聚类算法.计算机工程与应用.200& 9.13 杨久俊,邓辉文,滕姿.基于混合粒子群优化算法的聚类分析.计算机工程与设计.2008.11.14 黄贤英,张丽芳.基于粒子群优化的模糊聚类算法.重庆工学院学报(自然科学).2008. 11.15 高尚,杨静宇.一种新的基于粒子群算法的聚类方法.南京航空航天大学学报.2006.7.16 刘靖明,韩丽川,侯立文.一种新的聚类算法一粒子群聚类算法.计算机工程与应用.2005. 2.17 Ching-Yao Wang, Shian-Shyong Tseng and Tzung-Pei Hong. Fl
9、exible online associat ion rule mini ng based on mult id imens iona1 pa t tern relat ions. Information Sciences Volume 176, Issue 12, 22 June 2006, Pages 1752-1780.18 Ling Feng, Tharam D i1 Ion and James Liu. Tnter-transact iona1 associat i on rules for mu 11 i-d imens iona 1 contexts for prediction
10、 and their application to studying meteorologica 1 data. Data & Knowledge Engineering Volume 37, Tssue 1, Apri1 2001, Pages 85-11519 Jose Zubcoff and Juan Truj i1lo. A UML 2. 0 profile to design Association Rule mining mode 1s in the multidimens ional conceptual modeling of data warehouses. Data & K
11、nowledge EngineeringVo1ume 63, Issue 1, October 2007, Pages 44-6220 Anthony J. T. Lee, Wan-chuen Lin and Chun-sheng Wang. Mining association rules with mu 11 i-d imens iona1 constraints. Journal of Sys terns and Sof tware Volume 79, Issue 1, January 2006, Pages 79-92.21 Bi lai Alatas, Erhan Akin and
12、 Ali Karci. MODENAR: Mu 11 i-object ive di fferent ia1 evoIut ion a Igori thm for mining numeric association rules. Applied Sof t Computing Volume 8, Issue 1, January 2008, Pages 646-656.22 V. S. Ananthanarayana, M Narasimha Murty* and D K. Subramanian Multi-dimensional semant ic clustering of large
13、 databases for association rule mining. Pattern Recognition Volume 34, Issue 4, April 2001, Pages 939-941.23 Sandra Paterlini and Thiemo Krink Differential evolution and particle swarm optimisation in parti tional clustering. Computat iona1 Stat ist ics & Data Analys is Volume 50, Issue 5, 1 March 2
14、006, Pages 1220-1247.24 Swaga tam Das, Aj i th Abraham and Ami t Konar. Automat ic kernel c lus ter ing with a Multi-Elitist Particle Swarm Optimization Algorithm. Pattern Recogni t ion Letters Volume 29, Issue 5, 1 April 2008, Pages 688-699.25 B. Jnrboui, M Cheikh, P. Siarry and A. Rebai. Combinato
15、rial particle swarm optimization (CPSO) f or part it ional clustering problem. Applied Mathematics and Computation Volume 192, Issue 2, 15 September 2007, Pages 337-345.26 Fengqin Yang, Tie 1 i Sun and Changhai Zhang. An efficient hybrid data clustering method based on K-harmonic means and Part icle Swarm Opt imizat ion. Expert Systems wi th Appl icat ions Volume 36, Issue 6, August 2009, Pages 9847-9852.27 Liang Feng, Ming-Hui Qiu, Yu-Xuan Wang, Qiao-Liang Xiang, Yin-Fei Yang