《毕业生就业数据分析系统开发设计说明》由会员分享，可在线阅读，更多相关《毕业生就业数据分析系统开发设计说明（38页珍藏版）》请在金锄头文库上搜索。
1、 . / 毕业生就业数据分析系统开发摘要高校毕业生的就业问题已经成为全社会都关注的热点问题。这些年来高校招生规模逐年扩大，不断增加的毕业生数目给高校的就业管理工作造成了很大的压力。在这种形势下，如果仍然采用传统的毕业生管理办法，不仅仅工作效率低下，而且工作质量不高，很容易发生错误。 目前对高校毕业生的就业状况分析是较为简单的，大多仅仅按学校的就业率和专业就业率来进行评价，显得片面缺乏科学性。根据这一情况，借助计算机对毕业生就业信息进行挖掘，对如今的教学质量和学生工作质量进行科学的综合分析，寻找影响毕业生就业困难的原因，以便对我们今后的教学和学生工作提出指导性的建议。本课题针对学生的性别、素质培
2、养、综合成绩、社会实践等方面在学生就业所反应的情况建立一个数据挖掘分析模型，由此得到对教学质量和学生工作质量评价的科学的新方法。针对毕业生就业情况建立数据挖掘分析模型是数据挖掘分析方法的一个新尝试，这将进一步促进数据挖掘理论的发展，并且拓宽了数据挖掘分析方法的应用领域，同时对教学质量分析和学生工作质量分析提供科学评价的新方法。关键字： 数据挖掘；贝叶斯定理；数据库Development Of Analysis System for Graduate Employment DataAbstractThe employment of university graduates has already
3、 became the hot topic which draws much attention around the entire society. As the university recruitment of students scale is expanding year by year gradually, the increasing number of graduate students has created huge pressure for universitys supervisory work. Under this situation, if we still us
4、e the traditional policing method of the graduate, both the working efficiency and the work quality will not be satisfying and it will be very easy to make mistake. Currently, the analysis to university graduates work status is quite simple. Most of the evaluation is based on the school employment r
5、ate and the specialized employment rate, which is considered to be improper. According to this situation, we find the information of the graduate with the aid of the computer and carry on the scientific and comprehensive analysis of the quality of teaching and the students work. We focus on seeking
6、to the causes of difficulty in employment in order to propose some suggestions to guide the next teaching and the work of student.The topic is to establish a data mining anatomic model in terms of sex, quality training, integrated results, social practice and so on to obtain a new scientific method
7、to evaluate the quality of teaching and the student work quality. This data analysis method is a new attempt, this will promote the further development of data mining theory, and it has expanded the application domain of data mining analysis method. Simultaneously, it provides a new scientific metho
8、d to evaluate the quality of teaching and the student work quality .Key words ：DataminingBayetheorem Database目 录第1章选题背景概述11.1 课题背景11.2 课题的目的和意义11.3国外发展概况11.3.1国外研究和发展现状21.3.2国研究和发展现状21.4指导思想21.5数据挖掘技术21.5.1数据挖掘技术的产生背景21.5.2数据挖掘技术的定义与含义31.6贝叶斯分类算法31.6.1 贝叶斯算法的介绍31.6.2 贝叶斯定理31.6.3朴素贝叶斯分类的原理与流程41.6.4估计
9、类别下特征属性划分的条件概率与Laplace校准61.6.5贝叶斯定理应用61.7小结7第2章方案论证82.1设计原理、方案选择82.2开发工具和开发环境介绍92.2.1开发工具MyEclipse 8.592.2.2 MySQL 数据库92.2.3 Tomcat 服务器102.2.4 Tomcat在MyEclipse的配置和使用102.3小结13第3章系统分析与设计143.1 需求分析143.1.1 系统功能需求143.1.2系统可行性分析143.2总体设计153.2.1毕业生就业信息表153.2.2 模块划分163.2.3系统数据流图173.2.4 系统总功能图173.3数据库设计183.3
10、.1 概念模型183.3.2 逻辑模型183.3.3 物理模型193.4分模块设计213.4.1 毕业生数据录入、修改的模块设计213.4.2 数据建模的模块设计223.3.3 预测毕业生就业情况223.4.4分析统计图223.5小结23第4章系统测试与运行244.1 毕业生就业数据分析系统244.1.1 数据库的连接和访问操作正常244.1.2 整个界面菜单正常254.2 模块设计254.2.1 数据录入、修改模块254.2.2 MyEclipse 的运行正常254.2.3 数据分析图输出正常26第5章结束语与展望285.1 结束语285.2 展望28致30参考文献31引言近年来随着人工智能
11、技术和数据库技术的发展，数据挖掘技术出现。数据挖掘是一个从模糊的、有噪声的、不完全的、大量的、随机的，从大量人们事先所不知道的、但又是潜在有用的信息和知识的一个过程。需要我们不断挖掘。本论文讲述的是运用数据挖掘技术中的贝叶斯分类算法对应届毕业生在毕业后的就业情况进行预测。毕业生就业数据分析系统开发是按照数据挖掘方法与软件工程设计步骤，详细地说明了整个开发过程以与每一个技术细节。同时，还阐述了课题的来源、需求分析、设计、实现和实验结果等情况。第1章选题背景概述1.1 课题背景随着数据库技术的不断发展以与数据库管理系统的推广应用，人们积累的数据越来越多。而九十年代后因特网的出现，更是打破了各种限制
12、，人们甚至能够跨越时空交换数据信息。因此，展现在人们面前的数据不仅仅局限于某个部门、某个单位和某个行业等，而是浩瀚无限的信息海洋。大量增加的数据背后隐藏着很多的重要信息，人们希望能够进行更高层次的分析，以便更好地利用这些数据。虽然目前的数据库系统可以高效地实现数据的录入、查询、统计等功能，但是无法自动、智能地将等待处理的数据背后隐藏的重要信息和知识挖掘出来加以利用，无法根据现有的数据预测未来的发展趋势，并达到决策服务的目的，因此导致“数据海量爆炸但是知识贫乏”的现象。因此，我们必须找到有关方法，自动地分析数据、自动地对数据汇总、自动发现和描述数据中的趋势、自动地对数据进行分类、自动地标记异常。
13、1.2 课题的目的和意义随着我国高等教育的普与，全国大部分高校都根据自身情况进行了扩招，于是造成如今高校毕业生的就业形势逐渐严峻的状态。很多大学生都愁于找不到工作。当前对于高校毕业生的就业状况的分析相对简单，大多仅仅按学校的就业率和专业就业率进行评价，显得片面、缺乏科学性。在现实实际中，所谓名校，热门专业等等，并不能保证毕业生绝对能就业。从微观上看，学生自身的素质和某些硬性条件是影响就业的关键。根据这一情况，借助计算机对毕业生的就业信息进行挖掘，可以对目前的教学质量进行科学的综合分析，寻找影响毕业生就业的因素，以便对我们今后的教学和学生工作提出指导性建议。本课题正是在这一背景下提出，利用数据挖
14、掘任务之一的分类，对过往的毕业生就业信息建立预测模型，同时应用该模型对即将的毕业生的就业状况进行预测，以便为学校招生就业部门的工作提供参考与建议。毕业生就业数据分析系统开发就是为了解决这个就业预测问题而开发的，它采用数据挖掘方法，通过统计分析，应用贝叶斯定理对未来即将就业的毕业生的就业趋势进行了预测。可以预测到他们的就业情况和就业的概率。该系统要求用户录入毕业生的各项相关数据，同时在录入后可以对录入的数据进行抽样分析，得到相应的计算模型，并测试该模型的可靠性与精确度，根据该计算模型对毕业生就业情况进行预测，得出就业统计分析图和就业概率统计图。1.3国外发展概况1.3.1国外研究和发展现状与数据
15、挖掘(Data Mining)极为相似的术语一一从数据库中发现知识(KDD)一词，首次出现在1989年8月在美国底特律召开的第1l届国际人工智能联合会议的专题讨论会上。1993年以后，美国计算机协会(ACM)每年都举行了专门的会议研究探讨数据挖掘技术。会议名称为ACM SIGKDD Intemational Conference onKnowledge Discovery and Data Mining，简称KDD会议。KDD会议的规模由原来的专题讨论会发展到国际学术大会。研究重点也逐渐从发现方法转向系统应用。并且注重多种发现策略和技术的集成，以与多种学科之问的相互渗透。国外的研究重点从发现方法逐渐向系统应用直到专享大规模的综合系统开发，并且注重多种发现策略和技术的集成。1.3.2国研究和发展现状与国外相比国对DMKD的研究稍晚，没有形成整体力量。1993年国家自然科学基金首次支持中科院分院对该领域的研究项目。目前从事数据挖掘研究的人员主要在大学，也有部分在研究所或公司。研究领域一般集中于学习算法的研究、数据挖掘的实际应用以与有关数据挖掘理论方面的研究。国的许多科研单位和高等院校也竞相开展知识发现的基础理论与其应用研究。1.4指导思想本设计主要采用数据挖掘技术对毕业生就业情况进行预测。整个设计关键在于贝叶斯定理的分类算法实现
