关联规则挖掘算法在学生素质测评系统中的应用研究-计算机技术专业论文.docxVIP

Dissertation Submitted to Hebei University of Technology for The Master Degree of Computer Technology Research on the Association Rules Algorithm Applied in the Students’ Quality Evaluation System by Ni Na Supervisor: Prof. Gu Junhua November 2014 原创性声明本人郑重声明：所呈交的学位论文 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所取得 的成果。除文中已经注明引用的内容外，本学位论文不包含任何他人或集体已经发表 的作品内容，也不包含本人为获得其他学位而使用过的材料。对本论文所涉及的研究 工作做出贡献的其他个人或集体，均已在文中以明确方式标明。本学位论文原创性声 明的法律责任由本人承担。 学位论文作者签名： 日期： 关于学位论文版权使用授权的说明 本人完全了解河北工业大学关于收集、保存、使用学位论文的以下规定：学校有 权采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供本学位论文全 文或者部分内容的阅览服务；学校有权将学位论文的全部或部分内容编入有关数据库 进行检索、交流；学校有权向国家有关部门或者机构送交论文的复印件和电子版。 （保密的学位论文在解密后适用本授权说明） 学位论文作者签名： 日期： 导 师 签 名： 日期： I I PAGE PAGE IV 摘 要 目前学生管理信息化研究的重要方向之一便是如何发掘学生数据中潜在的知识， 充分发掘系统中数据的价值，从而帮助决策者管理与调整，最终达到高效、个性化的 培养出新时代人才的目的。而关联规则挖掘算法可以从大量数据中发现学生在各项成 绩、活动、实践、心理等数据的关联性，揭示在学生培养、教学中存在的问题。通过 挖掘结果，可以对学生成长进行预测，对学生进行科学的评价，并且可以充分考虑到 不同学生的特点，进而提供更加个性化的教育，进一步达到针对每一个学生的性格特 点、学习情况、生活规律，量身定制的目的。 本文改进关联规则挖掘算法，并在完善学生素质测评模型的基础上进行了分析研 究，主要内容如下： 首先，研究关联规则挖掘算法，分析了 FP-growth 算法优缺点，针对学生素质测 评系统数据库的特点，在增量挖掘方面对现有的高效算法做出改进，使得算法更适 合素质测评这种每学期进行一次的递增数据形式。最后与现有增量挖掘算法作比 较，实验结果表明改进后的算法在增量挖掘方面，结果准确且效率更高。 其次，分析了学生素质测评指标，采用基于 G1 法的层次分析法计算素质测评评 价指标的权重，构建了学生素质测评模型。用 G1 法弥补层次分析法在计算过程上的 繁复和有可能出现的偏差，使赋权计算更加高效、指标权重更为科学准确，为之后的 测评结果的准确性提供更可靠的保证。 最后，根据上文构建的素质测评模型设计与实现素质测评系统，收集整理近年来 的学生测评数据，对数据进行预处理后，用改进的 FP-growth 算法挖掘学生素质能力 之间的潜在规则。实验证明，德育、智育、创新、文体和综合测评之间存在这各种潜 在关联规则，这些规则可以应用到平时的教学管理中，为学生和管理者提供客观科学 的指引，引导学生全面发展，指导管理者适时调整管理手段和管理方向。 关键字：关联规则 FP-growth 学生素质测评 层次分析法 G1 法 ABSTRACT Mining potential knowledge and value of data on student information, helping policy makers to manage and adjust, then nurturing personalized talent of new era efficiently is one of the important directions of the research on the student information management at present. Association can be found in a large amount of data in students’ grades, activities, practices, psychology and so on by using association rules mining algorithm, to reveal the problems existing in training and teaching stu