关联规则和决策树在公安现役院校分级教学中的应用

摘要

随着信息技术飞速发展，尤其是中小学信息技术课程的普遍开设，高等院校入学新生计算机基础能力普遍有了很大的提高。但是，由于地域、个人兴趣等多种因素影响，高等院校入学新生计算机基础能力差异越来越大。公安现役院校生源分为普通本科、战士本科和战士专科，随着大学生入伍现象的普及，战士本科生源中计算机基础能力差异越发明显，为计算机基础教学，尤其是《大学计算机基础》实践课程教学带来很大挑战。为有效解决这一问题，目前最好的方法就是实施分级教学。
　　学员分级是实施分级教学关键的第一步。本文在研究了数据挖掘技术中关联规则和决策树基础上，选取Apriori和ID3两种发展最成熟、应用最广泛的算法，辅助进行学员分级。
　　在对Apriori算法从减少扫描事务数量和减少候选集项数进行优化后，将影响学员计算机基础能力的相关因素从能力调查表中有效提取，并结合ID3算法，将其作为新的决策属性，与摸底测试中的总分共同应用到决策树的生成过程中。这样，不仅避免了单纯按总分进行分级带来的偶然性，还可以随着学员入学前接受计算机基础教育情况的变化，动态更新分级决策属性，及时调整、完善分级标准，以期达到更为客观、准确的分级结果。
　　随着数据挖掘技术的日益成熟，面对教育教学领域中浩如烟海的信息，数据挖掘技术在该领域的应用越来越多，但对于分级教学，数据挖掘技术的应用还不常见。本文提出的基于关联规则的决策树在分级教学中的应用，是从公安现役院校《大学计算机基础》实践课程教学工作实际需要出发，随着样本数据的逐步积累，必将对该课程起到良好的促进作用。

目录

声明

摘要

第一章 绪论

1．1 论文研究背景

1．1．1 课程性质

1．1．2 分级教学

1．2 论文研究内容

1．3 论文组织结构

第二章 国内外研究现状

2．1 数据挖掘技术国内外发展现状

2．1．1 数据挖掘技术国外发展现状

2．2．2 数据挖掘技术国内发展现状

2．2 分级教学国内外发展现状

2．2．1 分级教学国外发展现状

2．2．2 国内关于分级教学的研究

2．3 数据挖掘技术在分级教学应用研究现状

第三章 数据挖掘技术

3．1 数据挖掘的概念

3．2 数据挖掘的功能

3．3 数据挖掘过程

3．4 数据挖掘的常用技术

第四章 关联规则与决策树

4．1 关联规则

4．1．1 关联规则的基本概念

4．1．2 关联规则的挖掘过程

4．1．3 关联规则的分类

4．2 决策树

4．2．1 决策树的基本概念

4．2．2 决策树的表示形式

4．2．3 决策树生成过程

4．3 Apriori算法

4．3．1 Apriori算法描述

4．3．2 Apriori算法的局限性

4．3．3 Apriori算法的改进

4．4 ID3算法

4．4．1 ID3算法描述

4．4．2 ID3算法的优缺点

4．5 关联规则与决策树算法的结合

第五章 数据挖掘技术在分级教学中的应用

5．1 研究对象和目标

5．2 数据采集

5．3 数据预处理

5．3．1 数据清理

5．3．2 数据集成

5．3．3 数据离散化

5．4 籍贯属性的数据离散化

5．5 关联规则的应用

5．5．1 寻找基于2项频繁集的强关联规则

5．5．2 寻找基于3项频繁集的强关联规则

5．6 决策树的应用

5．6．1 分类属性信息熵

5．6．2 各条件熵

5．6．3 各属性信息增益

5．6．4 选择第一级分支结点

5．6．5 生成决策树

5．6．6 完善决策树

5．7 决策提取

第六章 效果检验与前景展望

参考文献

发表论文和参加科研情况

致谢