Apriori算法在學(xué)生就業(yè)分析中的研究與實現(xiàn).pdf

1、數(shù)據(jù)挖掘在二十世紀(jì)后期由于世界經(jīng)濟(jì)的海量數(shù)據(jù)資源和對于數(shù)據(jù)的需求而得到了迅速的發(fā)展，需要將現(xiàn)存的各種數(shù)據(jù)資源通過深入的分析和挖掘轉(zhuǎn)換成為人們所需要的信息和資源。在數(shù)據(jù)挖掘中，一個非常重要的應(yīng)用就是關(guān)聯(lián)規(guī)則算法的數(shù)據(jù)挖掘，人們對其不斷改進(jìn)并投入使用，以滿足人們的決策需求。
　　本文通過研究數(shù)據(jù)挖掘的相關(guān)算法及其改進(jìn)，分析高校畢業(yè)生就業(yè)的相關(guān)數(shù)據(jù)，挖掘?qū)W生就業(yè)數(shù)據(jù)中的關(guān)聯(lián)因素從而為高校學(xué)生就業(yè)工作服務(wù)。論文首先分析了數(shù)據(jù)挖掘技術(shù)，介紹

2、二個關(guān)聯(lián)規(guī)則算法，并且重點研究了Apriori算法的實現(xiàn)過程。然后分析了傳統(tǒng)Apriori算法在高校學(xué)生就業(yè)數(shù)據(jù)分析和應(yīng)用中的不足，特別是計算候選頻繁項集上時間成本耗費過大。針對此缺點，提出了一種改進(jìn)的Apriori算法。改進(jìn)方法是對傳統(tǒng)Apriori算法在屬性選擇過程進(jìn)行數(shù)據(jù)的預(yù)處理，實現(xiàn)對數(shù)據(jù)對象的量化操作，接下來進(jìn)行數(shù)據(jù)對象聚類，計算得到支持度和置信度，幫助用戶更好地理解數(shù)據(jù)的意義，使得算法可讀性方面得到明顯的改善。通過新舊算法的

3、比較驗證，新算法在時間效率方面得到了進(jìn)一步的提高。將改進(jìn)后的Apriori算法應(yīng)用到學(xué)生就業(yè)系統(tǒng)中，利用算法分析不同專業(yè)不同學(xué)年的學(xué)生就業(yè)的影響因素，證明Apriori算法在解決高校學(xué)生就業(yè)問題上的可行性和有效性。對實際的數(shù)據(jù)挖掘結(jié)果進(jìn)行分析，得到三類關(guān)聯(lián)規(guī)則的結(jié)果。通過對三類的規(guī)則進(jìn)行具體的描述和說明，對算法的影響結(jié)果的因素進(jìn)行分析，并對改進(jìn)的算法所取得的實際意義進(jìn)行介紹。
　　通過對Apriori算法進(jìn)行改進(jìn)以及在高校就業(yè)數(shù)據(jù)