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

摘要

该文通过在学生信息管理系统中的具体实践和运用,对多维关联规则数据挖掘技术进行了探索,实现了基于多维频繁项集进行多维关联规则数据挖掘的一种实用高效的方法,并建立了一个高效的学生信息关联规则挖掘系统.对于群体的特征与行为的数据挖掘是关联规则挖掘的一种重要的也是复杂的挖掘方向.例如在学生系统中的学生个体自然信息与他们的选课行为倾向之间的关联倾向,商业领域中的顾客基本信息与购买倾向也属于这类情况.许多通用的数据挖掘工具,基于对更通用的挖掘需要的考虑,而没有能对上述的挖掘需求给予足够的满足.该文中基于多维的频繁项集的挖掘算法主要分为两个步骤.第一步是对群体特征进行维间关联规则挖掘,该文中借助数据立方体工具实现这一过程.第二步是求基于多维的频繁项集的算法的实现及关联规则生成.这时需要以第一步生成的多维规则结果为约束条件,对群体行为的关联倾向进行挖掘.该文中对基于多维的频繁项集的算法进行了探索和算法优化,尤其是通过采用了维搜索和散列的技术方法而使得系统的挖掘性能大大提高.同时通过在学生信息系统中的具体挖掘实践,也得到了许多有价值的信息,这些知识在帮助校方更好地进行学生的培养、对学生表现情况的掌握以及课程的安排等方面无疑具有重要的指导意义.兴趣度是关联规则挖掘中经常要考虑的一个问题.该文通过相关度的概念对含有负属性项的关联规则生成方法进行了探索,并给出了相应算法.

目录

文摘

英文文摘

独创性说明和关于论文使用授权的说明

引 言

1绪论

1.1国内外研究发展概况简介

1.1.1数据挖掘工具现状简介

1.1.2关联规则研究状况

1.2研究设想和意义

2背景知识介绍

2.1数据挖掘[4]

2.2需要挖掘的数据类型

2.3可挖掘的知识类型

2.4数据挖掘中的挖掘性能问题

2.5数据仓库及数据立方体介绍

2.6数据预处理

2.6.1数据清理

2.6.2数据集成

3基于多维频繁项集挖掘多维关联规则算法及理论基础

3.1关联规则相关知识

3.1.1基本概念

3.1.2由事务数据库挖掘单维布尔关联规则

3.1.3由关系数据库和数据仓库挖掘多维关联规则

3.2基于多维频繁项集挖掘关联规则的解决策略及算法

3.2.1问题描述

3.2.2算法描述

3.3关于负属性及兴趣度的探索

3.3.1关联规则中兴趣度问题的提出

3.3.2解决算法

4系统实现

4.1学生信息数据库管理系统

4.2问题描述

4.3学生信息数据库的相关库表结构

4.4数据预处理和数据仓库

4.5 SQL Server 7.0的OLAP Services工具及MDX语言

4.5.1 SQL Server 7.0的OLAP Services工具

4.5.2 MDX语言

4.6数据立方体的设计

4.7计算频繁维谓词集

4.8求多维频繁项集

4.8.1求多维频繁项集的基本算法

4.8.2求多维频繁项集的优化算法之一——采用维搜索的优化算法

4.8.3求多维频繁项集的优化算法之二——采用维搜索和散列的优化算法

4.9生成关联规则

4.10挖掘系统主要界面及部分结果示意

4.11在学生信息系统中运用的实际意义

4.12挖掘系统性能评价

4.12.1求多维频繁项集的算法性能

4.12.2挖掘系统的性能

4.13系统展望

结 论

参考文献

在学研究成果

致 谢