关联规则算法研究及其在多媒体教学评价数据分析中的应用

摘要

随着数据库应用的不断深化，数据库的规模急剧膨胀，人们需要对这些数据进行分析，从中发现有价值的信息。数据挖掘已经成为机器学习、人工智能、数据库等领域的研究热点。它包含关联规则挖掘、预测、分类、聚类、演化分析等多种技术手段。其中关联规则挖掘是一种主要的，也是用途最广的数据挖掘方法。 本文即对数据挖掘中的关联规则进行系统研究，深入分析了关联规则的传统支持度-置信度框架、相关度和有效度等衡量标准，并在此基础上将T检验思想引入到了关联规则的衡量中，提出了一种新的关联规则衡量标准-影响度。 在对多媒体教学评价现状和相关理论分析的基础上，作者提出了多媒体教学评价的基本原则和多媒体教学评价数据分析的目的，指出了本研究课题中关联规则在多媒体教学评价数据分析中的应用方向。 本文将关联规则衡量标准-影响度应用到多媒体教学质量评价数据分析中。采用J2EE体系结构，用Webwork+Spring+Hibernate架构设计并开发了一个多层的教学评价数据挖掘系统，有效地提高系统的可靠性、可扩展性、可重用性和可维护性。并利用该系统对多媒体教学质量评价数据进行了分析，系统运行结果表明，利用将影响度作为关联规则的衡量标准寻找多媒体教学评价数据中潜在的关联性是可行的、有价值的，可以有效的克服现有衡量标准的一些不足，减少冗余规则的产生。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景和意义

1.1.1研究背景

1.1.2研究意义

1.2国内外研究现状

1.3主要研究内容

1.4本文的章节结构

第二章关联规则挖掘

2.1关联规则的概念

2.2关联规则的经典算法(Apriori算法)

2.2.1 Apriori算法分析

2.2.2 Apriori算法描述

2.2.3 Apriori算法的不足

2.3几种改进的频集算法

2.3.1基于划分的优化方法

2.3.2基于hash的优化方法

2.3.3基于取样的优化方法

2.4关联规则的几种扩展

2.4.1多层次关联规则

2.4.2多维关联规则

2.4.3基于约束的关联规则

2.4.4数量关联规则

2.4.5周期关联规则

2.4.6负关联规则

2.5关联规则挖掘存在的问题

2.5.1侯选项目集的数目巨大，产生I/O瓶颈

2.5.2支持-置信框架会产生冗余规则

2.6关联规则挖掘技术的研究方向

2.6.1关联规则算法效率的提高

2.6.2关联规则衡量标准的研究

2.6.3关联规则挖掘的交互性研究

2.6.4关联规则挖掘的具体应用研究

2.7关联规则的应用领域

第三章关联规则的衡量标准

3.1客观度量

3.2主观度量

3.3几种典型的衡量标准

3.3.1传统衡量标准评价的几个方面

3.3.2相关度

3.3.3兴趣度

3.3.4相对置信度

3.3.5有效度

3.3.6匹配度

3.4基于影响度的衡量标准

34.1一些关联规则衡量标准的不足

3.4.2衡量标准的改进

第四章关联规则在多媒体教学评价数据分析中的应用

4.1多媒体教学评价现状

4.2构建多媒体教学质量评价指标体系的原则

4.3多媒体教学评价相关理论与基本概念

4.4多媒体教学评价数据分析的目的

4.5关联规则在评价数据分析中的应用

第五章多媒体教学评价数据分析系统的构建

5.1 J2EE简介

5.1.1 J2EE的概念

5.1.2 J2EE的优势

5.1.3 Webwrok简介

5.1.4 Spring框架

5.1.5持久层Hibernate框架

5.2系统功能设计

5.3系统总体结构

5.3.1系统逻辑体系结构

5.3.2体系的层结构

5.4系统算法的实现

5.4.1关联规则挖掘算法的实现

5.4.2系统体系结构实现技术细节介绍

5.5运行结果和分析

5.5.1算法运行结果分析

5.5.2系统运行分析

第六章总结

参考文献

攻读学位期间发表论文

致谢