ppt数据挖掘在职校普通话等级考试成绩分析中应用毕业答辩.pptVIP

数据挖掘在职校普通话等级考试成绩分析中的应用 答辩人：年爱华 时 间：2010-11-20 导 师：陈晓云 教授 一、论文研究的背景 主要 工作 具体 工作 总结 致谢 研究 背景 普通话测试数据成为我校普通话普及和推广的丰富资源。而本文抽取本校学生的相关数据，将数据仓库和数据挖掘技术合理的应用于普通话等级成绩的分析研究中。 220条 2007年 1320条 504条 298条 普通话测试数据 2010年 2009年 2008年 兰州文科学校普通话测试人数： 二、主要研究工作 研究 背景 具体 工作 主要 工作 2.1数据仓库的建立及数据的展现 2.2使用 Microsoft 决策树创建数据挖掘模型一 2.3使用 Microsoft 聚集创建数据挖掘模型二 2.4改进的Apriori算法 2.6挖掘关联规则模型二 2.5挖掘关联规则模型一 致谢 总结 2.1数据仓库的建立及数据的展现 研究 背景 具体 工作 学 号 姓 名 名 族 PS等级 所学专业 学生表 维表 学 号 教师号 学年学期 课程号 课程成绩 学生成绩表 事实表 教师号 教师名 职 称 学 历 年 龄 教师表 维表 课程表 维表 课程号 课程名称 课程类别 学 年 学年学期 时间表 维表 普通话等级分析数据仓库逻辑模型 致谢 主要 工作 总结 2.1数据仓库的建立及数据的展现 研究 背景 利用DTS（数据转换服务）功能将student.dbc文件导入到SQL Server 2000中，而student.dbc是一个数据库文件，其中已经包括了sc（学生成绩表）、stu（学生表）、course（课程表）、teacher（教师表）、time（时间表）。 具体 工作 致谢 主要 工作 总结 2.1数据仓库的建立及数据的展现 研究 背景 建立多维数据集及数据的展现 excel数据透视表数据显示 excel数据透视图柱形图显示 图5-12 excel数据透视图折线图显示 结论：从以上图表可以看出，普通话等级为一乙时，在同年级中语文的平均成绩也最高，英语成绩在二年级中是最高的；普通话等级越低时，语文的平均成绩也越低；这说明普通话等级成绩与语文基础课程是息息相关的。在此基础上，下面将通过数据挖掘技术对普通话等级成绩进行更深层次的分析。 具体 工作 致谢 主要 工作 总结 2.2使用 Microsoft 决策树创建 OLAP 数据挖掘模型一 研究 背景 Microsoft决策树算法：该算法基于分类。算法建立一个决策树，用于按照事实数据表中的一些列来预测其他列的值。决策树是一种类似于流程图的树结构，构建决策树的关键所在就是如何选择合适的测试属性，本论文以兰州文科学校普通话等级成绩作为测试数据，建立决策树需要考虑分析的户籍类别、年级、专业等属性对普通话等级的总体影响。使用“Microsoft 决策树”算法在学生群中找出普通话等级成绩在校的分布情况。 具体 工作 致谢 主要 工作 总结 2.2使用 Microsoft 决策树创建 OLAP 数据挖掘模型一 研究 背景 户籍为农村的学生有73.10%的可能性获得二乙；只有12.87%的可能性获得二甲；0.58%的可能性获得一乙。 户籍为城市的学生有52.36%的可能性获得二乙；有40.00%的可能性获得二甲；3.64%的学生获得一乙 在数据中，还能分析到旅游专业的学生获得一乙的可能性为30%，而其他专业的学生获得一乙的可能性为1.92%，所以注重旅游专业学生的普通话培训，更能有效的提高学生获得一乙的可能性；并分析旅游专业的课程设置及学生成绩等影响普通话等级的因素，其它专业可以作为借鉴，提高学生普通话的等级。 具体 工作 致谢 主要 工作 总结 2.3使用 Microsoft 聚集创建 OLAP 数据挖掘模型二 研究 背景 Microsoft聚集算法：该算法将记录组合到可以表示类似的、可预测的特征的聚集中。通常这些特征可能是隐含或非直观的。使用该模型将普通话测试按等级划分为五个类别。将学生数据设置为要调查的维度（事例维度），通过算法分析户籍为城的三个年级数据的分布情况，户籍为农的三个年级数据的分布情况。 具体 工作 致谢 主要 工作 总结 2.3使用 Microsoft 聚集创建 OLAP 数据挖掘模型二 研究 背景 一乙 0.44% 二甲 20.65% 二乙 57.68% 三年级 59.67% 农村 45.74% 城市 54.26% cluster5 一乙 0.51% 二甲 63.35% 二乙 33.45% 二年级 57.88% 三年级 34.62% 城市 85.75% cluster4 一乙 0.45% 二甲 28.16%