數(shù)據(jù)挖掘在高校人力資源系統(tǒng)中的應用與研究.pdf

1、高校由人事管理到人力資源管理的轉變是贏得競爭力的必然趨勢。高校人事管理信息化積累了越來越多的歷史數(shù)據(jù)，迫切需要一種技術來發(fā)現(xiàn)隱藏在數(shù)據(jù)背后的有價值的信息。數(shù)據(jù)挖掘的研究為開掘這種數(shù)據(jù)資源提供了可能，它能對繁雜的數(shù)據(jù)進行有效地組織，通過公正客觀的統(tǒng)計和分析，快速而正確地找出隱含的模式，準確地掌握未來動態(tài)。 本文針對高校人力資源管理工作的實際需要，對數(shù)據(jù)挖掘技術、數(shù)據(jù)倉庫技術在高校人力資源系統(tǒng)中的應用進行了較為深入、系統(tǒng)的研究。

2、 本文首先對回歸分析等相關技術進行了研究，結合高校教師人數(shù)預測這一回歸挖掘任務，重點分析了基于最小二乘法的多元線性回歸分析方法，并對多元線性回歸方程和回歸系數(shù)的顯著性檢驗方法進行了詳細論述，進而采用這種方法設計了高校教師人數(shù)回歸挖掘算法。 本文對經典關聯(lián)規(guī)則挖掘算法進行了研究和總結，詳細分析了Apriori算法的不足和性能瓶頸，并以此作為突破點改進了Apriori算法，以用于對師資隊伍結構進行關聯(lián)規(guī)則挖掘。改進算法借助SQL

3、技術直接生成頻繁項集，省去了傳統(tǒng)算法中創(chuàng)建候選集的步驟。另外，改進算法結合具體應用，擴展了布爾型關聯(lián)規(guī)則挖掘算法，允許用戶選擇挖掘屬性，并在挖掘前不需對現(xiàn)有關系型表結構進行轉換。在對關聯(lián)規(guī)則進行評價時，改進算法在原有“支持度-置信度”框架基礎上，加入了影響度，避免了高置信度的誤導規(guī)則的出現(xiàn)。 本文還探討了數(shù)據(jù)倉庫的設計、實施方法，并詳細論述了設計、建立高校人力資源數(shù)據(jù)倉庫的整個過程。通過對現(xiàn)有數(shù)據(jù)和多維數(shù)據(jù)建模方法的分析，本文設