数据挖掘技术在教务管理系统成绩分析中的应用研究

摘要

数据挖掘技术是信息技术研究领域的方向之一。目前，数据挖掘技术在电信、商业、银行以及企业的生产、市场营销等方面都得到了广泛的应用，而在教育界的应用相对较少。高校的教务管理系统中对学生成绩数据的分析不够深入，往往没有去探索成绩和学生基本信息、专业设置、课程安排这些数据之间隐含的规律和知识。所以，本文把基于数据仓库的数据挖掘技术引入到高校教务管理系统的成绩分析中，可以找到影响学生成绩的因素，有利于有针对性地提高教学质量。
　　 本文首先介绍了数据仓库和数据挖掘的基本理论；阐述了数据挖掘中关联规则和分类算法；然后，基于SQL Server 2005的商务智能功能设计了一个数据挖掘系统；建立了学生成绩数据仓库，包括对学生成绩数据仓库的结构设计，模型设计及数据的抽取、转化和加载；最后探讨了数据挖掘技术在成绩分析中的应用并在SQL Server 2005 Analysis Services分析服务中实现了关联规则和决策树算法的成绩分析模型。

目录

文摘

英文文摘

第一章 绪论

1.1 课题背景及选题意义

1.2 数据挖掘的发展历史及国内外研究现状

1.3 数据挖掘技术在教育领域中的研究现状及意义

1.4 本文的研究内容及论文结构

第二章 数据仓库和数据挖掘技术

2.1 数据仓库

2.1.1 数据仓库的概念和特点

2.1.2 数据仓库的体系结构

2.1.3 数据仓库的开发步骤

2.2 数据挖掘技术

2.2.1 数据挖掘的概念

2.2.2 数据挖掘的过程

2.2.3 数据挖掘的类型

2.3 基于数据仓库的数据挖据

第三章 分类和关联规则

3.1 分类

3.1.1 分类的定义

3.1.2 决策树算法

3.1.3 决策树算法的改进方向

3.2 关联规则

3.2.1 关联规则的概念

3.2.2 Apriori算法

3.2.3 基于Apriori算法的改进

第四章 基于SQL Server 2005的数据挖掘系统设计

4.1 SQL Server 2005商务智能平台

4.1.1 Integration Services介绍

4.1.2 Analysis Services介绍

4.2 SQL Server 2005中的挖掘算法

4.2.1 微软决策树算法

4.2.2 微软关联规则算法

4.3 基于SQL Server 2005的数据挖掘系统的解决方案设计

第五章 成绩数据仓库的设计与实现

5.1 成绩数据仓库的设计

5.1.1 学生成绩数据仓库设计的原则

5.1.2 确定主题

5.1.3 粒度设计

5.1.4 事实数据表的设计

5.1.5 维度表的设计

5.1.6 逻辑模型表示

5.1.7 物理模型的表示

5.2 成绩数据仓库的实现

第六章 数据挖掘技术在学生成绩分析中的应用

6.1 确定挖掘对象和目标

6.2 模型的选定

6.3 数据预处理

6.3.1 数据集成

6.3.2 数据清理

6.3.3 数据转换

6.4 数据挖掘

6.5 模型展现和解释

6.5.1 公共课《大学英语》成绩的决策树挖掘模型

6.5.2 专业课成绩关联挖掘模型

6.6 知识的应用

6.6.1 基于Web的挖掘系统的体系结构

6.6.2 基于Web的成绩预测系统的实现

第七章 总结

致谢

参考文献

作者简介