基于ＦＰ－ＴＲＥＥ算法的学生主干课程学习和所选模块的关联发现.docVIP

基于ＦＰ－ＴＲＥＥ算法的学生主干课程学习和所选模块的关联发现 　　摘要：FP-TREE算法是关联规则算法的一种，可以用其发现事物之间的潜在关联关系。用FP-TREE算法发掘出高职院校的学生选择的学习方向和其主干课程成绩之间的关系。 　　关键词：数据挖掘；FP-TREE算法；关联规则 　　中图分类号：TP311文献标识码：A文章编号：1009-3044(2008)22-610-02 　　The Students Learning in Main Course Association to the Selected Module through FP-TREE Algorithm 　　LIU Bing 　　(Department of Information, Anhui Industrial Vocational and Technical College, Tongling 244000, China) 　　Abstract: FP-TREE algorithm is one of association rules algorithm that can find the potential association between things. I explore the relationship between the students choose the direction of the study and its results backbone of courses through FP-TREE algorithm. 　　Key words: FP-TREE algorithms; data mining; association rules 　　1 研究背景 　　当前，职业教育在我国已经成为一个比较热门的话题，它在社会经济发展中的重要性与特殊功能。它以培养技术应用性人才为主要目标的高等教育，坚持以服务为宗旨，以就业为导向，走产学研结合之路。这是高职教学的独特性。我校，安徽工业职业技术学院，信息系积极探索在计算机教学领域的改革，走适合高职教育特点的计算机教学改革，在2002年提出进行模块化的教学。具体作法是在高职的专科三年中，前1.5年，不进行分专业的教学，主要进行基础主干课程的教学，在第四学期，根据学生的兴趣，重新分班级，进行分模块的教学，一共分为六个模块：平面设计，网页设计，计算机软件，网络管理，网络工程师，企业文员。 　　在分模块前的三个学期中，学生主要学习了：数学、英语、网页设计、程序设计语言、网络概论、数据库原理等课程，然后在第四学期根据学生通过前面课程的学习和产生的兴趣，自己选择模块，转入模块的学习。本文试图通过韩家炜教授在2000年提出的FP-TREE算法，分析他们在前三个学期学习课程成绩和选择模块之间的关联关系。 　　2 数据挖掘技术 　　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。 　　2.1 数据挖掘技术分类 　　常用的数据挖掘技术可以分为统计分析类、知识发现类和其它类型的数据挖掘技术三大类。 　　统计分析类技术可以检查那些异常形式的数据，利用各种统计模型和数学模型解释这些数据，解释隐藏这些数据背后的市场规律和商业机会。 　　知识发现类数据挖掘技术可以从数据仓库的大量数据中筛选信息，寻找市场可能出现运营模式，发掘人们所不知的事实。知识发现类数据挖掘技术包括人工神经网络、决策树、遗传算法、粗糙集和关联规则等。 　　其它类的数据挖掘技术包括文本数据挖掘、Web数据挖掘、分类系统、可视化系统、空间数据挖掘和分布式数据挖掘等。 　　2.2 数据挖掘的一般过程 　　数据挖掘和具体的问题应用密切相关，每一种数据挖掘方法在算法和技术要求上都有自己的特点和实现步骤。人们从系统化和方法学的角度，提出了数据挖掘过程的参考模型或标准。 　　1) 问题的理解和提出； 　　2) 数据准备和建立数据挖掘数据库； 　　3) 数据预处理。由于数据可能是不完全的、有噪声的、随机的，有复杂的数据结构，就要对数据进行初步的处理，清洗不完全的数据，做初步的描述分析； 　　4) 建立模型； 　　5) 评估模型； 　　6) 数据挖掘； 　　7) 评价和解释。 　　3 关联规则算法 　　关联规则数据挖掘是数据挖掘中最活跃的研究方法之一，最早由Agrawal等人在1993年提出。最出提出的动机是针对购物篮分析问题提出的，目的是为了发现交易数据库中不同商品之间的联系规则。Agrawal等人提出了基于频繁集的Apriori算法，该算法的主要优点是算法思路比较简单，以