学位论文 > 优秀研究生学位论文题录展示
数据仓库和数据挖掘在科信学院学生成绩系统的应用研究
作 者: 李玉英
导 师: 黄青松
学 校: 昆明理工大学
专 业: 计算机应用技术
关键词: 数据仓库 OLAP 数据挖掘 学生成绩分析
分类号: TP311.13
类 型: 硕士论文
年 份: 2010年
下 载: 129次
引 用: 0次
阅 读: 论文下载
内容摘要
随着国家信息化步伐的加快和高等教育规模的扩大,社会对专业人才的需求不仅体现在数量的增加上,而且体现在质量要求的提高上。我们被数据——科学数据、医疗数据、人口统计数据、财经数据、市场数据和教育管理数据——淹没。人们没有时间看数据。人类的关注已经成为一种宝贵的资源。如何充分利用已有的学校信息资源,使高校在提高学生整体素质时提高学生文化成绩方面做出正确的决策,是摆在高校面前的紧迫课题。因此,我们必须找到有关方法,自动地分析数据、自动地对数据分类、自动地对数据汇总、自动地发现和描述数据中的趋势、自动地标记异常。让决策人员能从海量数据中快速地、方便地找出有价值的知识,发现其中隐藏的信息,从而帮助决策者做出正确决策。这种方法就是数据仓库和数据挖掘技术。数据仓库技术是运用新信息科技提供的大量数据存储、分析能力,将以往无法深入整理分析的数据建立成为一个强大的关系管理系统,以协助企业制定精准的决策。数据挖掘技术是指在数据库中,利用各种分析方法与技术,将过去所累积的大量繁杂的历史数据,进行分析、归纳与整合等工作,以萃取出有用的信息,找出有意义且用户有兴趣的模式,提供企业管理阶层在进行决策时的参考依据。本文主要的研究方向是数据仓库和数据挖掘技术在学校学生成绩系统的应用研究,就是从海量数据中提取出隐藏在数据之中的有用信息。根据我学院教务管理系统中的学生成绩系统的具体数据构建数据仓库,利用OLAP分析工具分析大学计算机基础这门全校共公课成绩和利用数据挖掘技术中的决策树分类规则方法挖掘影响学生成绩的联系。即结合学校业务处理的现状,用决策树分类算法对全校学生成绩的数据进行抽取构造一棵决策树,并以相应的分类规则评价学生的学习结果,预测学生学习成绩的好坏与哪些因素有直接或间接的影响,反过来通过这些因素,管理人员应充分考虑到学生成绩的好坏与学生的性别、生源地性质与所学专业的联系还要考虑到与教师的学历、职称的联系。只有充分考虑到影响学生成绩的因素,才能从这些方面抓起,从而改善教学效果,促使更好地开展教学工作,最终提高教学质量。
|
全文目录
摘要 3-4 Abstract 4-7 第一章 绪论 7-12 1.1 研究的背景 7-9 1.1.1 科信学院学生成绩系统使用的背景情况 7 1.1.2 科信学院学生成绩系统存在的问题 7-8 1.1.3 数据仓库和数据挖掘技术在学生成绩方面的应用情况 8 1.1.4 论文的研究背景 8-9 1.2 国内外研究与应用的现状 9 1.3 论文研究的意义 9-10 1.4 本论文所做的工作内容 10-12 第二章 数据仓库和数据挖掘技术 12-20 2.1 数据仓库技术 12-15 2.1.1 数据仓库的定义 12 2.1.2 数据仓库的特点 12-13 2.1.3 数据仓库的组成 13 2.1.4 数据仓库的体系结构 13-14 2.1.5 数据仓库的技术、方法与产品 14-15 2.2 数据挖掘技术 15-18 2.2.1 数据挖掘的定义 15-16 2.2.2 数据挖掘的功能 16 2.2.3 数据挖掘的对象 16 2.2.4 数据挖掘的流程 16-17 2.2.5 数据挖掘的分析方法 17-18 2.3 数据仓库与数据挖掘的关系 18-20 2.3.1 多维数据分析和数据挖掘的联系与区别 18 2.3.2 数据仓库与数据挖掘的联系 18-19 2.3.3 数据仓库与数据挖掘的区别 19-20 第三章 科信学院学生成绩数据仓库的实现 20-40 3.1 科信学院学生成绩数据仓库特点的分析 20 3.2 学生成绩数据仓库的分析与设计 20-31 3.2.1 需求分析 20-23 3.2.2 概念模型设计 23-26 3.2.3 逻辑模型设计 26-27 3.2.4 物理模型设计 27-31 3.3 数据获取阶段 31-33 3.3.1 数据抽取 31 3.3.2 数据预处理 31-32 3.3.3 数据的导入 32-33 3.4 学生成绩数据仓库的体系结构 33-34 3.5 利用学生成绩数据仓库产品——OLAP分析工具 34-40 3.5.1 多维数据集中数据的多维度的浏览 34-35 3.5.2 多维数据立方体进行OLAP操作 35-37 3.5.3 学生成绩多维数据的分析 37-40 第四章 数据挖掘技术在学生成绩系统中的实现 40-59 4.1 分类规则的挖掘 40-42 4.1.1. 分类预测 40 4.1.2 数据分类步骤 40-42 4.2 数据准备 42-43 4.3 算法描述 43-45 4.3.1 决策树算法C4.5方法的基本思想 44 4.3.2 学生成绩评估模块中用C4.5算法描述 44-45 4.4 属性选择度量 45-46 4.5 算法实现 46-55 4.5.1 决策树的构造 46-55 4.6 预测学生成绩的分类情况 55-56 4.7 应用与操作实践 56-57 4.8 结论 57-59 第五章 结论与展望 59-61 5.1 结论 59 5.2 展望 59-61 致谢 61-62 参考文献 62-63
|
相似论文
- 基于数据挖掘技术的保健品营销研究,F426.72
- 高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
- 张炳厚学术思想与临床经验总结及应用地龟汤类方治疗慢性肾脏病的经验研究,R249.2
- Bicluster数据分析软件设计与实现,TP311.52
- 基于变异粒子群的聚类算法研究,TP18
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 基于遗传算法和粗糙集的聚类算法研究,TP18
- 基于数据挖掘的税务稽查选案研究,F812.42
- 面向社区教育的个性化学习系统的研究与实现,TP391.6
- 基于关联规则挖掘的入侵检测系统的研究与实现,TP393.08
- 数据仓库技术在银行客户管理系统中的研究和实现,TP315
- 基于Moodle的高职网络教学系统设计与实现,TP311.52
- 教学质量评估数据挖掘系统设计与开发,TP311.13
- 关联规则算法在高职院校贫困生认定工作中的应用,G717
- 基于数据挖掘技术在城市供水的分析与决策,F299.24;F224
- 数据挖掘技术在电视用户满意度分析中的应用研究,TP311.13
- Web使用挖掘与网页个性化服务推荐研究,TP311.13
- 家校互动教育平台中数据仓库的研究与应用,TP311.13
- 数据挖掘在学校管理和学生培养中的应用,TP311.13
- 高校毕业生就业状况监测系统研究,G647.38
- 基于数据仓库的药品监管辅助决策支持系统的设计与实现,TP311.13
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机软件 > 程序设计、软件工程 > 程序设计 > 数据库理论与系统
© 2012 www.xueweilunwen.com
|