学位论文 > 优秀研究生学位论文题录展示

关联规则挖掘算法在高校专业建设中的应用—Apriori算法用于国防职院课程改革研究

作　者: 朱小云
导　师: 周丽华；白梅
学　校: 云南大学
专　业: 计算机技术
关键词: 专业建设课程改革数据挖掘关联规则关系数据库
分类号: TP311.13
类　型: 硕士论文
年　份: 2010年
下　载: 68次
引　用: 0次
阅　读: 论文下载

内容摘要

随着数据库技术的发展成熟和网络技术的普及应用,数据库技术在高校中得到了广泛应用,许多高校在教学管理系统中积累了海量的数据。这些有关教学的数据已经形成一个教学信息数据库。在高校的专业建设和课程改革工作中,应对这些高校长期积累的海量数据进行分析和挖掘,以期发现对学校课程改革、专业建设有指导作用的信息,这些信息可以辅助学校管理者决策,提高学校的综合实力,同时也可以为学校提高教学质量、优化教学资源提供可靠的数据依据。关联规则挖掘可以发现大量数据中项集之间有趣的关联或相关联系。它在数据挖掘中是一个重要的研究课题,最近几年已被业界所广泛研究。自从Agrawal等人于1993年最先提出了关联规则问题以来,许多研究人员对关联规则挖掘问题进行了大量的研究,取得了卓越的成绩。他们的工作主要包含以下几方面：对原有的算法进行优化以提高算法挖掘规则的效率；对关联规则的应用进行推广。关系数据库中隐含的关联规则具有多维性、多值性和多概念层性,比事务数据库中的布尔型关联规则更加复杂得多。本文介绍了关系数据库中的关联规则,介绍了关系数据库中关联规则的基本概念；本文分析了关系数据库中关联规则的特点,讨论了量化属性的离散化方法以及关系数据库中关联规则挖掘的两种思路；本文在介绍了Apriori算法基本原理的基础上,并对算法作了详细的描述,然后结合云南国防工业职业技术学院的部分学生成绩数据,从数据采集,数据预处理等几个方面着手,基于布尔型转换对关系数据库中的数值型属性进行了离散化处理,编程实现了对学生成绩数据的挖掘,希望从中能挖掘出相关的知识和规则,对我校的课程改革和专业建设提供理论指导和数据支撑。本文从以下几方面进行了研究：第一：对论文的研究背景和意义进行深入剖析,明确本次毕业设计的任务：为完成云南国防工业职业技术学院人才培养模式从“2.5+0.5”向“2+1”的转变,挖掘出各门课程之间的关系和各门专业课程对专业技能的支撑关系,以挖掘出的关系指导我们合理设置课程、调整课程顺序,以较少的课时量完成专业技能的培养,提高职业资格证书获取率。第二,在对Apriori,SETM等事务数据库中布尔型关联规则的典型算法进行分析的基础之上,结合关系数据库中关联规则的特点,基于布尔型转换对关系数据库中多维、多值和多概念层的数据进行挖掘。第三：后台数据库基于SqlServer 2005,前端工具使用Visual C# 2008完成,结合云南国防工业职业技术学院部分学生成绩数据进行挖掘,从中挖掘出相关的知识和规则。第四：对发掘出的知识进行研究,将挖掘中所得出的各门课程之间的关联关系应用于我校部分专业的课程改革,根据专业技能的要求,合理配置课程,精心调整课程顺序,有效搭配各种资源,以较少的课时量完成人才培养规格的实现,提高职业资格证书获取率。

全文目录

摘要  3-5
ABSTRACT  5-9
第一章绪论  9-16
  1.1 研究背景和意义  9-14
  1.2 本文工作  14-15
  1.3 全文的组织结构  15
  1.4 小结  15-16
第二章数据挖掘简介  16-30
  2.1 数据挖掘概述  16-21
    2.1.1 数据挖掘的定义  16
    2.1.2 数据挖掘和传统分析方法的区别  16
    2.1.3 数据挖掘的方法和过程  16-19
    2.1.4 数据挖掘技术分类  19-20
    2.1.5 数据挖掘的发展趋势  20-21
  2.2 关联规则挖掘  21-25
    2.2.1 关联规则的概念  21
    2.2.2 关联规则的定义  21-22
    2.2.3 关联规则挖掘算法分类  22
    2.2.4 关联规则挖掘的相关算法  22-23
    2.2.5 关联规则挖掘问题的扩展  23-24
    2.2.6 关联规则挖掘的应用  24-25
  2.3 Apriori算法介绍  25-29
    2.3.1 关联规则算法挖掘的步骤  25
    2.3.2 Apriori性质  25-26
    2.3.3 Apriori算法描述  26-27
    2.3.4 根据频繁项集产生关联规则  27
    2.3.5 Apriori算法的举例  27-29
  2.4 小结  29-30
第三章关联规则算法在高校课程改革中的应用  30-40
  3.1 挖掘方法选择  30-31
  3.2 数据处理  31-38
    3.2.1 数据采集  31-32
    3.2.2 数据预处理  32-34
    3.2.3 关系数据库中关联规则的特征分析  34-35
    3.2.4 数值属性的离散化处理方法  35-36
    3.2.5 数据转换  36-38
  3.3 数据挖掘的实现  38-39
  3.4 小结  39-40
第四章实验及结果  40-50
  4.1 实验环境  40-41
    4.1.1 硬件及软件平台  40
    4.1.2 数据量  40
    4.1.3 开发工具的选择  40-41
  4.2 运行结果及结论解释  41-48
    4.2.1 基于经典的Apriori算法的运行结果  41-43
    4.2.2 规则分析及结论解释  43-45
    4.2.3 结论总结  45-48
  4.3 小结  48-50
第五章结论与展望  50-51
参考文献  51-53
在读期间已发表的论文  53-54
致谢  54-55
附1:数据转换程序代码  55-57
附2:频繁项集搜索程序代码  57-59

关联规则挖掘算法在高校专业建设中的应用—Apriori算法用于国防职院课程改革研究

内容摘要

全文目录

相似论文