基于数据挖掘选课系统设计与实现.pdfVIP

基于数据挖掘的选课系统的设计与实现1 1 2 郝天永 ，邓天红 1 兰州理工大学电气工程与信息工程学院, 甘肃 兰州, （730050 ） 2 杭州思易电子系统工程有限公司, 浙江 杭州, （310013 ） E-mail （haot@21 ） 摘 要：许多高校都拥有选课系统，并积累了大量的原始数据，这些数据中包含了大量潜在 的、未知的有用信息，这些“信息”可以辅助相关部门进行合理的教学资源分配并作出相应 选课决策。本文基于高校选课系统，讨论了数据预处理和数据挖掘技术[1]，并应用关联规则 中的 FP-tree算法挖掘选课数据，获得了一些有用的规则信息，取得了良好的应用效果。 关键词：数据挖掘; 关联规则; 数据仓库; 选课系统 1. 引 言 随着高校的扩招，学生人数的增加，学生管理任务的不断增加，以前手工选课的方式已 经远远不能满足现在的需要，很多高校都实施了自动化选课，并在一定的运行中积累了大量 的数据，这些数据一方面，占用了大量的存储空间，另一方面，又隐藏着无法辨别的、可以 提供决策支持的信息，而传统的查询、报表工具无法满足挖掘这些信息的需求。 利用数据挖掘技术，挖掘选课系统中积累的数据的有用信息，可以使学校的相关部门有 弹性的调节所开课程，调整热门课程和冷门课程的人数，调节相关课程的学分，通过选课率 及相关信息做出正确的决策，鼓励和正确的引导学生选择互补的课程，这有利于高校学生整 体素质的提高，也有利于各个高校教师、教室等资源的合理分配。 2. 系统的总体设计 首先要确定挖掘的主题，明确主题是正确实施挖掘的基本保证，学生选课系统的大量数 据是基本数据，要对其进行预处理，处理时考虑不同的粒度，以便能挖掘不同层次的信息， 另外对元数据和存储方式进行深入分析，为挖掘做准备。 数据挖掘的技术相当多，根据选定主题选择合适的数据挖掘技术，使其更有效的挖掘数 据中的有用隐含信息；另外，在挖掘的过程中，使用合适的度量值对挖掘结果的影响也不容 忽视。将挖掘的结果用用户容易理解的方式表现出来，有助于对挖掘结果进行分析。 2.1 数据预处理 数据预处理(Data preprocessing)包括三个步骤：数据清理(Data cleaning)、数据集成(Data 1 本课题得到甘肃省自然科学基金（No. ZS022-A25-035 ）的资助。 - 1 - integration)和数据变换(Data transformation)[2] 。 对表中的原始数据进行数据清理。清除一些冗余数据，消除噪声数据，利用相关技术推 导计算并填充缺值的数据、消除重复记录[3] 。设计数据存储过程，将存在于不同结构的数据 库的数据集成在数据存储中。在设计存储的时候，要充分为将来要做的挖掘工作考虑，为挖 掘做准备。变换的主要目的是消减数据维数或降维，即从初始特征中找出真正有用的特征以 减少数据挖掘时要考虑的特征或变量个数，同时可以利用概念层次树对原始数据进行必要的 [3] 抽象，使得挖掘模块能够处理数据各个抽象层次，而不是仅对细节数据进行挖掘 。 对源数据进行预处理之后，得到了转化后有其特定粒度的离散化数据，把数据加载到一 定的存储方式中，形成一定意义上的数据仓库，管理和使用形成的各种元数据。 2.2 数据挖掘 要进行数据挖掘，必须先选择合适的数据挖掘技术，确定挖掘算法，利用算法编程来达 到挖掘有用信息的目的。我们切合学生选课中各种兴趣的关联，确定使用关联规则挖掘技术， 这样可以更好的发现选课系统中的兴趣关联。 关联分析是为了挖掘出隐藏在数据间的相互关系。从一组给定的数据项以及交易集合