数据挖掘技术在教学评价中的应用研究2013年2期.pdfVIP

2013年第2期 斑嗜探童 No．2。2013 (总第260期) SerialNo．260 EDUCATl0NEXPLORATl0N 数据挖掘技术在教学评价中的应用研究 罗美淑1，刘世勇2，夏春艳1 (1．牡丹江师范学院工学院；2．黑龙江幼儿师范高等专科学校，黑龙江牡丹江157011) 摘 要：数据挖掘技术是在海量数据中提取有用信息的有效手段，而教学评价是对教学工作质量所做的测 量、分析和评定，是教学过程中的重要环节。将数据挖掘技术应用到教学评价数据分析过程中，验证了基于该技 术的属性约简算法的正确性和有效性，从多角度对教学评价数据进行更深层次的分析和处理，从而挖掘出更多、 更有价值的数据和信息，提供了更多的方法和措施以改进和提高教学的质量。 关键词：数据挖掘技术；属性约简算法；教学评价；应用 中图分类号：G40—058．1文献标志码：A 文章编号：1002—0845(2013)02—0081一02 一、数据挖掘技术的基本概念 则是唯一的。其中，最小约简是指包含关系最小的约简。 定义l：信息系统s=(u，A，f，R)，通常略写为s=(u，二、源于数据挖掘技术的属性约简算法 A)。其中，u是对象的非空有限集；A是由条件属性集c和 在数据挖掘的研究方法中，大部分研究者普遍重视对 决策属性集D构成的非空有限属性集，即A=CUD，CnD= 不确定性问题的处理，并在人工智能的研究领域中，提出 ①；R为A的值域；f：A—v为从属性到值域的映射。 了许多关于不确定性问题的处理方法，其中模糊集、概率 定义2：对一个知识系统S=(u，A，f，R)，P∈R，可以用 论、粗糙集理论、证据理论等被普遍应用。 下面的公式表示不可区分关系： 在数据挖掘领域中，粗糙集理论有普遍的应用前景和 IND(P)={(x，y)∈u×ufVn∈P，f(x，a)=f(y，a)】 实用价值，它是进行数据挖掘的主要方法之一。在数据挖 IND(P)在u上导出的划分u／IND(P)={[x]，Ix∈u)，记为u／ 掘领域中应用粗糙集理论，可以提高分析大型数据库中不 P。[x】p={y∈uIVaEP，f(x，a)=f(y，a)}称为包含x的P等 完整数据的能力。属性约简的意义：在知识库的分类能力 价类。 保持不变的情况下，对知识进一步化简，删除知识库中不 定义3：给定决策表S=(u，A，f，R)，其中A=CUD，c为 相关或不重要的冗余的知识信息，推导出问题的决策规 条件属性集，D为决策属性集，则区分矩阵M。=fmij}定义为： 则，生成简化的知识规则库，使人们通过约简后的知识库 l盘C．．厂(蕾，a)≠八zf，口)}，兰锹znD)彩妇，，D)时， ’ 能够准确地把握问题的决策方向，并快速做出对问题的处 m“2、 1 I《其他 理决策。 定义4：可形式化地定义知识的依赖性为：令S=(u， 发现属性集中的最小约简是属性约简的最终目的，而