Apriori改进算法在教学评价中的应用

摘要

随着计算机网络技术的发展和普及，数据采集、管理、查询等技术快速发展，人们身处在海啸般汹涌的数据“海洋”之中，他们迫切需要一种其他智能技术，以便从数据“海洋”里“勘探”出更有价值的“油矿”，数据挖掘技术便顺势而生，目前已成功的应用于商业、医疗、金融等诸多领域。数据挖掘的主要技术有分类分析，聚类分析，关联规则分析等，其中关联规则分析技术是数据挖掘中不可或缺的重要分支，它能够从数据仓库中提取人们想知道的有价值的联系或规律。
　　高校对教师的教学进行评价，对鼓励教师的教学积极性、提高教师的教学水平、改进高校的管理办法、提升高校的综合实力都有积极的推进作用。因此，将数据挖掘技术同高校的教学评价工作结合起来，充分的利用、分析教学评价数据，从中获取能够帮助高校管理者更好的进行学校管理，提高学校的教学质量的有用信息，是高等院校发展的必然要求。
　　本文对教学评价做了概要介绍，分析了目前高校教学评价普遍出现的问题，说明把关联规则技术与教学评价相结合的现实意义；本文还阐述了关联规则分析的相关概念，对 Apriori算法进行详细的介绍，并针对 Apriori算法 I/O开销大、生成候选集也较大，且不适用多值属性数据库的主要问题，实现了基于矩阵压缩的AMC改进算法。AMC算法从多角度对 Apriori算法进行了改进，不仅压缩了数据库的大小、减少了数据库的扫描次数、减少不必要候选集的生成，同时还省略了剪枝操作、提前结束算法，从而使算法效率在空间和时间上都有较大的提高。
　　最后，本文利用 AMC算法，对泉州地区某高校的教学评价数据挖掘出有用的规则，并对结果进行分析，提出提高教学质量的方案，为教学管理者提供决策和帮助。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究的背景和意义

1.2 国内外研究现状

1.3 论文主要研究内容及论文组织结构

第2章 教学评价

2.1 教学评价概念及意义

2.2 教学评价的原则及评价方法

2.3 关联规则与教学评价

2.4 本章小结

第3章 数据挖掘及关联规则概述

3.1 数据挖掘概述

3.2 关联规则概述

3.3 本章小结

第4章 Apriori算法分析及改进

4.1 Apriori算法

4.2 Apriori算法现有的优化方案

4.3 Apriori的改进算法

4.4 本章小结

第5章 AMC算法在教学评价中的应用

5.1 教学评价数据挖掘的背景与目标

5.2 数据准备

5.3 挖掘过程、结果及分析

5.4 本章小结

第6章 总结与展望

6.1 主要工作总结

6.2 研究展望

参考文献

致谢

个人简介