基于关联规则数据挖掘技术的高校学生学习成绩分析

摘要

近年来随着高校不断扩招，学校学生人数和教师人数大幅度增加，给高校学生管理和教学工作带来了严峻的考验，传统的教学管理手段已经逐渐不能适应社会的发展了。高校有很多信息系统和各类数据库，如学籍管理系统、成绩管理系统、人事管理系统等，这些系统和数据库已经积累了大量的数据，但是由于缺乏必要的信息技术和手段，管理人员只能通过简单的统计分析、排序、备份等功能获得表面信息，隐藏在数据背后的信息不能得到有效利用。
　　 数据挖掘就是从历史数据集中发现隐含模式，并且应用这些模式进行预测。数据挖掘技术能够对已有的大量数据分析的基础上进行科学研究、商业决策或企业管理，从而达到为决策支持服务的目的。关联规则挖掘比较，是数据挖掘领域里最为活跃的研究方向之一，它反映一个事件和其他事件直接依赖或关联的知识。
　　 本文首先对数据挖掘做了一般性讨论，包括数据挖掘的历史、概念、相关技术。然后，对数据挖掘中重要的关联规则挖掘算法做了深入的研究，分析了关联规则挖掘算法中经典的Apriori算法及其AprioriTid算法，总结了算法中存在的问题，接着在AprioriTid算法基础上提出了改进算法。最后，利用改进算法，依据数据挖掘的标准流程对某高校2004级到2008级五个年级不同专业学生的《计算机程序设计基础与VF》课程成绩为研究对象，挖掘得到了影响成绩的因素，从而为提高教学质量提供依据。高校中可以挖掘的信息不仅仅是成绩，还可以对学生年龄(思维认知成熟度)、性别、爱好、家庭背景、健康状况、学籍、学历、高考成绩、课程内容、试卷、教师等信息进行数据挖掘，从而为管理者和教师提供决策依据，因人施教，提高高校教学水平和教学管理工作成效。

目录

文摘

英文文摘

声明

第1章 绪论

1.1本论文的研究意义

1.2数据挖掘技术的国内外研究现状

1.2.1国外现状

1.2.2国内现状

1.3数据挖掘技术在教育领域的应用

1.4本论文的主要内容及结构安排

第2章 数据挖掘技术综述

2.1数据挖掘的发展历史

2.2数据挖掘的概念

2.3数据挖掘的相关技术

2.3.1决策树

2.3.2人工神经网络

2.3.3关联规则

2.3.4链接分析

2.3.5遗传算法

第3章 关联规则数据挖掘算法的分析

3.1关联规则挖掘研究综述

3.2关联规则的基本概念

3.3关联规则挖掘问题的描述

3.4关联规则的种类

3.5常见的关联规则算法

3.5.1 AIS算法

3.5.2 SETM算法

3.5.3 Apriori系列算法

3.5.4 FP-Growth算法

3.5.5 HCS-Mine算法

3.6各种关联规则算法的比较

第4章 Apriori及改进算法的设计

4.1 Apriori算法

4.1.1 Apriori算法思想

4.1.2 Apriori算法举例演示

4.1.3 Apriori算法的设计与实现

4.2 AprioriTid算法

4.2.1 AprioriTid算法思想

4.2.2 AprioriTid算法举例演示

4.2.3 AprioriTid算法的设计与实现

4.3改进AprioriTid算法

4.3.1改进思路

4.3.2改进算法的描述

4.3.3改进算法的举例

4.3.4改进算法的设计与实现

4.3.5改进算法的特点

4.3.6改进算法的时间复杂性分析

第5章 应用改进算法分析学生成绩

5.1挖掘过程

5.2数据采集

5.3数据预处理

5.3.1数据清理和数据转换技术

5.3.2数据预处理过程及结果

5.4实施关联规则挖掘

5.4.1改进算法的挖掘过程

5.4.2使用改进算法挖掘结果展示

5.5关联规则结果分析

第6章 结论与展望

6.1本文总结

6.2工作展望

致 谢

参考文献

攻读硕士学位期间发表的论文