学位论文 > 优秀研究生学位论文题录展示

基于关联挖掘的学生成绩分析系统的研究

作　者: 章丽芳
导　师: 郝平；张涛
学　校: 浙江工业大学
专　业: 计算机技术
关键词: 数据挖掘关联规则 FPT B-Apriori 成绩分析
分类号: TP311.13
类　型: 硕士论文
年　份: 2011年
下　载: 55次
引　用: 0次
阅　读: 论文下载

内容摘要

随着高等教育的普及,各个高校不断开始扩招,使得在校学生的数量急剧增加。在普及教育的同时,也造成了信息量的飞速增长,给学校管理者和教师的管理教育工作带了不少严峻问题。传统的教育管理手段已经不能满足新形势下的教育管理工作,面对大量的数据已显得力不从心。其中,如何对学生的考试成绩进行科学有效的管理就是众多问题中一个急需解决的问题。数据挖掘能够有效解决这一问题。目前大多数高校都建有学生成绩数据库,但只是进行简单的查询和统计操作,而隐藏在这些成绩数据背后更有价值的信息没有被挖掘并利用。针对这一问题,本文提出利用数据挖掘中的关联挖掘方法对学生成绩进行更深层次的挖掘,得到不同课程之间的关联信息,以便于学校管理者决策分析、教师的授课计划以及学生的学习安排。本文主要工作和成果如下:1、针对传统的关联挖掘算法FP-growth效率不高问题,本文在此基础上提出FPT算法。FPT算法对其数据结构进行改进,增加了一个tail域,将所有的项组织起来生成FPT-tree。在新增一个节点时,传统的方法需从链表的第一个节点开始查找,然后顺着各个节点的next指针,直到找到最后一个节点,再将新节点插入链表尾部。FPT算法通过查找FPT-tree中的tail域,直接可找到链表的最后一个节点,直接将新节点插入即可,提高了效率。实验表明改进后的FPT算法在性能上有较大提高,尤其在处理大数据量时,这种优势更明显。2、由于学生的成绩是离散数值型,为方便应用关联挖掘算法对其挖掘,需要将学生成绩进行区间划分。然而,划分区间长度的大小直接影响关联规则的产生。为了尽可能降低这种影响,本文将模糊集引入关联挖掘中,提出模糊关联挖掘算法B-Apriori。将需挖掘的属性集分成若干模糊集,计算数据项对其模糊集的隶属度,通过隶属度计算出项集的支持度和置信度。实验验证表明B-Apriori算法具有较高的准确性和实用性。3、设计并实现了基于FPT算法和B-Apriori算法的学生成绩管理系统,对学生成绩进行分析,发现不同课程之间的关联,为教师教学管理工作和学生学习提供决策。

全文目录

摘要  5-7
ABSTRACT  7-12
第1章绪论  12-16
  1.1 选题的背景  12-13
  1.2 选题的意义  13-14
  1.3 论文的主要工作  14-15
  1.4 论文的内容与结构  15-16
第2章数据挖掘及关联规则介绍  16-30
  2.1 数据挖掘技术概述  16-19
    2.1.1 数据挖掘的概念  16-17
    2.1.2 数据挖掘的功能  17
    2.1.3 数据挖掘使用的技术  17-18
    2.1.4 数据挖掘基本过程  18-19
  2.2 关联规则介绍  19-24
    2.2.1 关联规则的基本概念  19-20
    2.2.2 关联规则的分类  20-21
    2.2.3 关联规则的挖掘过程  21-22
    2.2.4 关联规则的应用领域  22-24
  2.3 频繁模式挖掘算法  24-29
    2.3.1 Apriori 算法  24-26
    2.3.2 FP-growth 算法  26-29
  2.4 本章小结  29-30
第3章基于 FPT 算法的学生成绩分析  30-49
  3.1 FPT（FP-growth with Tail）算法  30-35
    3.1.1 FP-growth 算法不足  30-31
    3.1.2 FPT 算法介绍  31-34
    3.1.3 性能验证  34-35
  3.2 FPT 算法在成绩分析方面的应用  35-41
    3.2.1 构造FPT-tree  37-40
    3.2.2 挖掘FPT-tree  40
    3.2.3 产生关联规则  40-41
  3.3 实验及结果  41-48
    3.3.1 数据准备  41-45
    3.3.2 频繁项集的生成  45
    3.3.3 输出规则  45-47
    3.3.4 结果分析  47-48
  3.4 本章小结  48-49
第4章基于模糊关联规则的学生成绩分析  49-63
  4.1 模糊关联规则  49-50
    4.1.1 计算支持度  49-50
    4.1.2 计算置信度  50
  4.2 B-Apriori 算法设计  50-54
  4.3 基于 B-Apriori 算法的成绩分析示例  54-59
    4.3.1 生成频繁项集  55-58
    4.3.2 产生关联规则  58-59
  4.4 实验及结果  59-62
    4.4.1 确定隶属函数  59-61
    4.4.2 实验结果  61-62
  4.5 本章小结  62-63
第5章学生成绩分析系统的设计  63-72
  5.1 系统总体设计  63-64
  5.2 系统功能设计  64-65
  5.3 数据库的设计  65-67
  5.4 系统主要界面的设计  67-71
    5.4.1 系统主界面  67
    5.4.2 课程管理界面  67-68
    5.4.3 成绩录入界面  68-69
    5.4.4 成绩导入界面  69-70
    5.4.5 关联分析界面  70-71
  5.5 本章小结  71-72
第6章总结和展望  72-74
  6.1 工作总结  72-73
  6.2 工作展望  73-74
参考文献  74-77
致谢  77-78
攻读学位期间发表的学术论文目录  78

基于关联挖掘的学生成绩分析系统的研究

内容摘要

全文目录

相似论文