毕业设计开题报告--数据挖掘在教学系统中的应用.docVIP

PAGE 毕业设计(论文)开题报告 题 目： 数据挖掘在教学系统中的应用 系： 计算机科学与技术 专 业： 计算机科学与技术 2021年 3月 20 日 开题报告填写要求 1．开题报告（含“文献综述”）作为毕业设计（论文）答辩委员会对学生答辩资格审查的依据材料之一。此报告应在指导教师指导下，由学生在毕业设计（论文）工作前期内完成，经指导教师签署意见及所在专业审查后生效。 2．开题报告内容必须用黑墨水笔工整书写或按此电子文档标准格式（可从教务处网页上下载）打印，禁止打印在其它纸上后剪贴，完成后应及时交给指导教师签署意见。 3．“文献综述”应按论文的格式成文，并直接书写（或打印）在本开题报告第一栏目内，学生写文献综述的参考文献应不少于10篇（不包括辞典、手册），其中至少应包括1篇外文资料；对于重要的参考文献应附原件复印件，作为附件装订在开题报告的最后。 4．统一用A4纸，并装订单独成册，随《毕业设计（论文）说明书》等资料装入文件袋中。  毕 业 设 计（论 文）开 题 报 告 1．文献综述：结合毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写2500字以上的文献综述，文后应列出所查阅的文献资料。 数据挖掘技术已经在多个领域取得令人满意的应用．如零售业、电信业。近些年，随着高校招生规模的不断扩大，教育信息数据库中积累了大量数据。这些数据以往只是被用来进行一般的查询和报表打印，并没有得到充分利用。事实上，在高校的教育信息数据库中蕴涵着大量有价值的规律．需要我们运用数据挖掘这一新型工具去发现，可以辅助领导层在招生就业、课程安排、素质教育和创新人才培养等方面进行决策，从而促进教育决策的科学化。 1．数据挖掘技术 数据挖掘(Data Mining)是从大量的、不完全的、有噪声的、模糊的、随机的数据集中识别出有效的、新颖的、潜在有用的，以及最终可理解模式的非平凡过程。原则上讲，数据挖掘可以在任何类型的信息存储上进行。这包括关系数据库、数据仓库、事务数据库、高级数据库系统、展开文件和WWW。由于关系数据库具有坚实的数学基础、统一的组织结构、完整的规范化理论、”一体化”的查询语言等优点，成为当前数据挖掘的主要对象。 数据挖掘的过程可看作一个线性过程：(1)陈述问题和阐明假设；(2)数据收集；(3)数据预处理；(4)挖掘知识；(5)根据挖掘结果执行并评估效益。其中第四步是数据挖掘的核心阶段．也是人们研究的重点。 数据挖掘的主要功能有：(1)概念，类描述：特征化和区分。数据特征化是目标类数据的一般特征或特征的汇总。通常，用户指定类的数据通过数据库查询收集。数据区分是将目标类对象的一般特性与一个或多个类对象的一般性比较。目标类和对比类由用户指定，而对应的数据通过数据库查询检索。(2)关联分析。它是从数据库中发现知识的一种重要方法。若两个或多个数据项的取值之问重复出现且概率很高时，它就存在某种关联，可以建立起这些数据项的关联规则。(3)分类和预测。分类是找出一个类别的概念描述，它代表了这类数据的整体信息，即该类的内涵描述．一般用规则或决策树模式表示。预测是利用历史数据找出变化规律，建立模型，并用此模型来预测未来数据的种类、特征等。(4)聚类分析。聚类分析数据对象．对象根据最大化类内的相似性、最小化类问的相似性的原则进行聚类或分组．即使得在一个簇中的对象具有很高的相似性。而与其他簇中的对象很不相似。(5)孤立点分析。在一些应用中，罕见的事件可能比正常出现的那些更有趣。(6)演变分析。数据演变分析描述行为随时问变化的对象的规律或趋势，并对其建模。 2 ．常用数据挖掘功能、算法及其典型应用领域 (1)数据挖掘功能: 关联规则； 算法：统计学、集合理论； 典型应用领域：市场分析 (2)数据挖掘功能: 分类； 算法：决策树、神经网络、粗集； 典型应用领域：产品营销、定量控制、危险评估 (3)数据挖掘功能: 聚类； 算法：神经网络、统计学； 典型应用领域：市场分析 (4)数据挖掘功能: 时问序列预测； 算法：统计学、ARMA模型； 典型应用领域：销售预测、利润预测 3．数据挖掘技术在教学系统中的应用 3．1 关联规则挖掘和聚类规则挖掘在成绩分析方面的运用 关联规则挖掘是寻找库中值的相关性。它反映一个事件和其他事件之间依赖或关联的知识。寻找在同一个事件中出现的不同项的相关性，如在一次购买括动中所买不同商品的相关性。关联规则的挖掘过程一般分为两个过程：(1)先找出所有的频繁项集；(2)由频繁项集产生强关联规则。这两步中，第二步是在第一步的基础上进行。工作量非常小。挖掘关联规则的总体性能由第一步决定。现有的挖掘关联规则的方