基于关联规则的数据挖掘技术在高校科研管理中的应用研究

摘要

随着科研信息管理系统在高校的普遍应用，产生了大量的科研数据，如何发现隐含在这些数据中的规则和知识，并辅助教育决策，已成为亟待解决的问题。
　　 学校的科研水平通常通过纵向科研项目立项的级别、数量和资助金额，横向科研项目的到款金额、发表的论文期刊级别、收录检索情况、发表的著作数量、类型等数据来衡量，纵向科研项目申报成功与否和项目组成员的团队结构、研究基础、申报的项目级别、是否有学科交叉等信息密切相关，这些客观条件与申报结果之间是否存在着某些有趣的关系，是我们科研管理部门和教师所关心的问题，如能从教师的项目申报数据中挖掘出这些规则，将对项目申报工作起到莫大的促进作用。
　　 本文对学校教师一年内所提交的项目申报书的信息进行数据挖掘，分析项目负责人和成员的职称、学历、申报项目的级别、研究基础与项目立项与否之间的关系，为教师个人在项目申报和学校在申报组织管理时提供参考依据，以提高项目申报成功率，从而提高整个学校的科研水平。
　　 文中采用SQL查询语言从学校的人事管理系统、科研管理系统中提取教师人事信息和科研项目信息，并整理了学校2011年度的所有项目申报表，从中提取项目组成员的团队组成结构、研究基础等相关数据，针对这些数据的不完整性、有噪声、不一致问题，经过数据清理、数据集成，选用动态聚类技术对部分指标进行数据归约等预处理工作，然后使用Apriori算法经过多次迭代，挖掘事务数据库中的频繁项集，从中发现有效的强关联规则。

目录

声明

摘要

第一章 绪论

1．1 问题的提出

1．2 数据挖掘的研究现状

1．3 研究的背景、目的及意义

1．4 本文的研究内容和组织结构

1．4．1 本文研究的主要内容

1．4．2 本文的组织结构

第二章 数据挖掘综述

2．1 数据挖掘与知识发现

2．2 数据挖掘的概念及功能

2．2．1 数据挖掘概念

2．2．2 数据挖掘的功能

2．3 数据挖掘系统的分类及体系结构

2．3．1 数据挖掘系统的分类

2．3．2 数据挖掘系统的体系结构

2．4 数据挖掘系统工具

第三章 关联规则数据挖掘

3．1 概述

3．2 关联规则基本概念

3．3 关联规则分类

3．4 挖掘关联规则的基本过程

3．5 关联规则算法研究

第四章 经典频繁项目集方法——APRIORI算法

4．1 先验原理(Apriori原理)

4．2 Apriori算法：使用候选项集找频繁项集

4．2．1 Apriori算法找频繁项集的基本思想

4．2．2 Apriori算法找频繁项集示例

4．2．3 Apriori找频繁项集算法描述

4．3 Apriori算法：由频繁项集产生关联规则

4．3．1 基于置信度的剪枝

4．3．2 Apriori算法中规则的产生

第五章 项目申报信息挖掘的数据准备

5．1 数据的收集

5．2 数据的预处理

5．2．1 数据清理(data cleaning)

5．2．2 数据集成(data intergration)

5．2．3 数据归约(data reduction)

5．2．4 数据交换(data transformation)

第六章 项目申报信息挖掘的实现

6．1 挖掘过程

6．2 规则的解释与表达

第七章 结束语

7．1 总结

7．2 进一步研究工作

致谢

参考文献