数据挖掘技术在高校课程成绩分析中的应用研究PPT创新.pptVIP

数据挖掘技术在高校课程成绩分析中的应用研究 专业班级： 答辩人： 指导教师： 目录 1、论文研究的目的与意义 2、数据挖掘相关知识 3、粗糙集理论 4、应用粗糙集理论进行学生课程成绩分析 1、论文研究的目的与意义 运用数据挖掘中的粗糙集理论对高校学生课程成绩进行分析，总结，得出相应的结论，供教学管理人员做出相应的决策，有助于今后改变教学方式，提高教学效果。通过论文设计还可以加强学生的理论、知识与技能综合运用能力，对学生获取新知识能力及自学能力的培养有很大帮助。 2、数据挖掘相关知识 （1）数据挖掘的定义： 数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 2、数据挖掘相关知识 （2）数据挖掘的方法： 相关性分组或关联规则 聚类分析 统计方法 决策树方法 遗传算法 粗糙集 ....... 2、数据挖掘相关知识 （3）数据挖掘的过程： 对于数据挖掘,数据挖掘的过程可分为问题定义、数据收集与预处理、数据挖掘实施和结果的解释与评估四部分。 3、粗糙集理论 （1）粗糙集的特点： 粗糙集方法的简单实用性是令人惊奇的，它能在创立后的不长时间内得到迅速应用是因为具有以下特点： (a) 它能处理各种数据，包括不完整（incomplete) 的数据以及拥有众多 变量的数据； (b) 它能处理数据的不精确性和模棱两可（ambiguity），包括确定性和 非确定性的情况； (c) 它能求得知识的最小表达（reduct) 和知识的各种不同颗粒层次； (d) 它能从数据中揭示出概念简单，易于操作的模式（pattern)； (e) 它能产生精确而又易于检查和证实的规则，特别适于智能控制中规则 的自动生成. 3、粗糙集理论 （2）粗糙集属性的依赖性及其度量： 设 为论域U上的知识库， ，如果 ,就称知识D依赖于知识C，其依赖的程度可表示为： （4-1） 其中 一知识D依赖于知识C的度量； 当 时，D完全由C到导出，也即D完全依赖于C，当 时，D可由C部分导出；当 时，D完全不依赖于C。 记 为D的C正域， ，U为论域。 3、粗糙集理论 (3)粗糙集属性的重要程度： 为了确定某些知识或属性的重要程度,需要考虑去掉这些属性,如果去掉这些属性会相应地改变划分,则说明这些属性强度大,重要性高;反之,强度小,重要性低。属性的重要程度可用公式(4-2)来衡量。 （4-2） 其中 ,C是属性集c导出的划分属性子集。e值越大,说明Xn对C的划分影响程度越高,Xn的重要性越大;如果e=0,则说明该属性子集的去掉不会改变原有的划分,因此它可以从知识库中的属性集中去掉。 4、应用粗糙集理论进行学生课程成绩分析 利用粗糙集理论中的属性重要性分析方法对安徽新华学院信息工程学院计算机科学与技术2班学生成绩进行分析。通过对数据进行预处理,见表4-1。 4、应用粗糙集理论进行学生课程成绩分析 称各个学科为条件属性，记作C；总成绩为决策属性，记作D。 每门学科从高到低排序，分成30%，40%，30%。用1、2、3表示条件属性数据的处理后的结果。用1、2、3、4、5表示决策属性数据处理后的结果。 对这张成绩表进行数据预处理,得表4-2。 总成绩 处理后数据 425分以上 1 375分~424分 2 325分~374分 3 300分~324分 4 300分以下 5 学科成绩（编译原理） 处理后数据 71分（30%内） 3 75分（40%内） 2 82分（30%内） 1 4、应用粗糙集理论进行学生课程成绩分析 4、应用粗糙集理论进行学生课程成绩分析 （1）按D即{1,2,3,4,5}分类如下： 记 为D的C正域， ，U为论域。 总分类 U/D={{7,15,18,28,31,33,35,36},{2,3,4,8,9,16,17,19,20,22, 25,26,29,3