关联规则在学生成绩管理中的应用研究.docVIP

学号： 哈尔滨师范大学 学士学位论文 题 目 关联规则在学生成绩管理中的应用研究 学 生 指导教师 年 级 2004级 专 业 计算机科学与技术 系 别 计算机科学与技术 学 院 计算机科学与信息工程 哈 尔 滨 师 范 大 学 学士学位论文开题报告 论文题目：关联规则在学生成绩管理中的应用研究 学生姓名： 指导教师： 年 级：2004级 专 业：计算机科学与技术 2008年 2 月 课题来源： 指导教师指定课题与学生自主选择相结合 课题研究的目的和意义： 原有的教学管理系统并没有从这些数据中挖掘出所隐含的规律（比如学科之间的关系等），因而尽管我们有如此丰富的数据，但我们却被淹没在这数据的海洋之中。教师和决策者在进行决策时，都缺乏切实的数据作为我们决策依据。所以我们有必要对高校数据库中的大量数据进行分析挖掘，从而提取出我们感兴趣的知识，以改善整个学校的管理，提高管理效率和管理效果。数据挖掘技术正可以为我们解决这一问题，本文就使用数据挖掘技术挖掘教务系统中的数据，从而提取出有利于教学质量和学生素质提高的信息。从而将数据坟墓转换成知识金块。 原有的教学管理系统并没有从这些数据中挖掘出所隐含的规律（比如学科之间的关系等），因而尽管我们有如此丰富的数据，但我们却被淹没在这数据的海洋之中。教师和决策者在进行决策时，都缺乏切实的数据作为我们决策依据。所以我们有必要对高校数据库中的大量数据进行分析挖掘，从而提取出我们感兴趣的知识，以改善整个学校的管理，提高管理效率和管理效果。数据挖掘技术正可以为我们解决这一问题，本文就使用数据挖掘技术挖掘教务系统中的数据，从而提取出有利于教学质量和学生素质提高的信息。 国内外同类课题研究现状及发展趋势： 数据挖掘技术的研究在国外已经有很多年的历史，而且己经取得了丰硕的成果。世界上研究数据挖掘的组织、机构和大学也有很多，比如著名的大学有：卡内基梅隆大学就有机器制造DM、互联网DM和多媒体数据库DM三个研究中心）、斯坦福大学和麻省理工学院等。许多软件公司研制出数据挖掘软件产品，并在北美、欧洲等国家得到应用。例如，密西根州立大学Erick Goodman的遗传算法，IBM公司开发的QUEST和Intelligent Miner, Angoss Software开发的基于规则和决策树的Knowledge Seeker, Advanced Software Application开发的基于人工神经网络的DBProfile，加拿大Simon Fraser大学开发的DBMinner, SG工公司开发的MineSet等。 在国外的高校教学管理中，数据挖掘也已成为提高教学管理质量与水平的一种有力工具。如美国学校能够以85%的精确度去预测学生的升学率，这样可以把注意力集中在辍学风险比较大的学生身上。 与国外相比，国内对数据挖掘与知识发现的研究稍晚。1997年我国国家自然科学基金首次支持对数据挖掘领域的研究项目。国内的许多科研单位和高等院校也竞相开展数据挖掘的基础理论及其应用研究并且取得了比较丰硕的研究成果。引起了学术界的高度重视，成为信息科学界的热点课题。 课题研究的主要内容和方法，研究过程中的主要问题和解决办法： 1．课题研究的主要内容和方法 本文主要是在分析了目前学校教学管理系统的不足之后，将数据挖掘技术应用到教学管理系统中，通过在教学系统中的具体挖掘实践，得到许多有价值的信息，这些信息可以帮助学校更好地对学生进行培养，更准确的掌握学生的表现以及更好的指导课程的安排。具体研究内容主要涉及到以下四方面： （1）关联规则的基本概念和问题描述。 （2）数据预处理技术及常用方法,并针对教学成绩数据的特点,给出了一种相应的处理方法。 （3）研究了关联规则的基本理论,描述并分析了经典关联规则算法Apriori算法。研究了基于数组的改进Apriori算法。 （4）结合学生成绩数据的特点,将数据挖掘技术和关联规则算法运用到学生成绩管理中:提出学生培养模型的概念并对其进行了求解,探讨了影响学生成绩的部分因素;以实际数据源为输入,在分析课程间影响关系的基础上,将所挖掘的关联规则作为标准,提出课程成绩的预警模型;最后利用SOL为开发工具,以学生成绩为数据源,运用Apriori算法实现了上述目标,并提出了进一步完善的目标和设想。 2．研究过程中的主要问题和解决办法 本文主要使用Apriori算法，但是该算法本身存在着许多局限性，因此依据本课题的特点，借鉴了基于数组的改进的?Apriori算法。取得了较好的教学效果。另外没有高质量的数据就没有高质量的挖掘结果，本文对数据进行了预处理操作，得出的效果较好。 课