基于數(shù)據(jù)挖掘的學(xué)生學(xué)習(xí)指導(dǎo)系統(tǒng).pdf

1、隨著高校教育體制的改革，學(xué)分制的推廣，學(xué)生選課的自主性越來(lái)越大。但是學(xué)生在選課的過(guò)程中，由于對(duì)所選課程需要的基礎(chǔ)知識(shí)認(rèn)識(shí)不足，導(dǎo)致選課具有一定的盲目性。開發(fā)一套基于現(xiàn)有教學(xué)管理系統(tǒng)中數(shù)據(jù)的學(xué)生學(xué)習(xí)指導(dǎo)系統(tǒng)來(lái)指導(dǎo)學(xué)生選課是很有必要的。 數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)(通常是商業(yè)數(shù)據(jù)庫(kù)中的大量數(shù)據(jù))中提取出模式和知識(shí)的過(guò)程。然后在新的數(shù)據(jù)子集中驗(yàn)證發(fā)現(xiàn)的模式。數(shù)據(jù)挖掘的最終目的是輔助決策者決策。本文對(duì)數(shù)據(jù)

2、挖掘技術(shù)尤其是關(guān)聯(lián)規(guī)則挖掘技術(shù)進(jìn)行了系統(tǒng)、深入地分析和研究，并將其投入到實(shí)際應(yīng)用中。主要包括以下一些內(nèi)容： 首先，在提出數(shù)據(jù)挖掘基本概念的基礎(chǔ)上，詳細(xì)介紹數(shù)據(jù)倉(cāng)庫(kù)的知識(shí)，并探討了數(shù)據(jù)挖掘的模式分類和數(shù)據(jù)挖掘的過(guò)程。 然后討論了關(guān)聯(lián)規(guī)則和關(guān)聯(lián)規(guī)則算法。通過(guò)分析經(jīng)典Apriori算法，發(fā)現(xiàn)Apriorir算法的缺陷。提出了基于聚類的關(guān)聯(lián)規(guī)則改進(jìn)算法和基于權(quán)值的關(guān)聯(lián)規(guī)則挖掘算法?；诰垲惖年P(guān)聯(lián)規(guī)則改進(jìn)算法的目的是提高算法效率，

3、在預(yù)處理階段先將數(shù)據(jù)聚類，縮小數(shù)據(jù)集，對(duì)關(guān)聯(lián)規(guī)則挖掘算法改進(jìn)后，再進(jìn)行挖掘。基于權(quán)值的關(guān)聯(lián)規(guī)則挖掘算法的目的是提高挖掘結(jié)果的合理性，針對(duì)于各數(shù)據(jù)項(xiàng)的不同地位或重要性，利用線性函數(shù)對(duì)各數(shù)據(jù)項(xiàng)設(shè)置權(quán)值，然后再進(jìn)行關(guān)聯(lián)規(guī)則挖掘。最后在基于聚類的關(guān)聯(lián)規(guī)則改進(jìn)算法和基于權(quán)值的關(guān)聯(lián)規(guī)則挖掘算法上再添加興趣度閾值，以達(dá)到減少算法產(chǎn)生的無(wú)用規(guī)則數(shù)量和提高算法性能的目的。 最后，將改進(jìn)算法應(yīng)用到學(xué)生學(xué)習(xí)指導(dǎo)系統(tǒng)中，通過(guò)分析學(xué)生成績(jī)數(shù)據(jù)庫(kù)，系統(tǒng)得到