- 1、本文档共19页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
开题报告立题依据范文
关于《开题报告立题依据范文》,是我们特意为大家整理的,
希望对大家有所帮助。
开题报告立题依据范文
篇一:立题依据论文
随着科技的发展,计算机、网络、数据库等技术广泛应用于
日常管理中,各行各业积累了大量的信息数据,对数据库的存取
与查询操作,已远远不能满足要求。人们需要从海量数据中获得
这些数据背后的更重要信息,如数据的整体特征描述,试图发现
事件间的相互关联,以及发展趋势进行预测。
数据挖掘,从数据中挖掘知识,就是从大量的、不完全的、
有噪声的、模糊的、随机的数据中,提取隐藏在其中的、人们事
先不知道的、潜在有用的信息和知识的过程。与数据挖掘相近的
术语有:从数据库发现知识(KDD)、数据分析、知识抽取、模式
分析、信息收割、数据融合以及决策支持等。数据挖掘不仅能对
过去的数据进行查询,并且能够对将来的趋势和行为进行预测,
并自动探测以前未发现的模式。
高校的教师教学科研管理涉及教师教学、科研活动、教师教
学质量等多方面大量的数据。充分运用数据挖掘技术,可以及时
了解教师教学状况、分析教师教学与科研相互间的关系、把握教
学与科研方面的异常现象等,从而增强教学与教学管理改革的
针对性,提高管理工作的效率和质量。
通过本课题,学生可以进一步了解数据挖掘技术的相关概念,
结合数据挖掘过程中数据收集、数据清洗、数据规范、关联规则
挖掘、决策树和系统分析设计技术,科学合理的分析高校教师教
学科研管理数据和课程任务安排、教学之间的潜在关联关系并进
行预测分析。
毕业论文,使学生熟悉科研论文的写作结构,较为深入的了
解数据挖掘算法及其在大学生课程学习数据中的应用,进而增强
学生独立解决实际问题的能力。
研究目标:
本课题拟利用设数据挖掘(DataMining)及关联规则挖掘、
决策树、以及聚类等技术,利用学院已有的大学生四年课程学习
数据,通过分析学院的学生学习数据,对大学生四年学习中的课
程进行关联分析,对教育数据进行挖掘”,用以挖掘隐含在数据
中的、对学院管理部门有用的未知数据;并适时利用已有数据进
行关联分析与预测,为未来学院的课程设置调整等提供决策支持。
通过本课题,学生可以进一步了解数据挖掘的概念和技术,
结合真实的数据进行数据清洗、转换等规范化工作,应用关联规
则进行频繁模式发现以及决策树、聚类等数据挖掘技术进行知识
发现,并对挖掘出的结果结合具体的实际进行解读分析。
课题预期目标为:以石河子大学信息科学与技术学院近年来
教师教学科研数据为基础,应用相关的数据挖掘技术,系统性的
阐述数据的相关概念、技术;并根据具体的实际需要开展算法的
设计与实现,应用现有的开源软件与已掌握的高级编程语言和集
成开发环境,进行综合实验,并对实验结合大学的实际进行分析。
论文的主题结构参考一般的学术论文的结构进行展开,要求
严格按照数据挖掘的一般流程进行阐述,并将设计实现的实验数
据进行分析解读,尝试挖掘出隐含的内在关联的内容。
可利用1台PC构建开发及应用环境。限Windows系统平台,
具体配置不限。开发环境:主机配置
系统平台WindowsXP或Windows200X版本都可以
高级编程语言可在VC++、C#、Java等选择
集成开发环境VisualStudio简体中文版,或者Eclipse集成
开发环境
OO编程语言C#,Java,C++等均可以
参考文献:
有关数据挖掘、以及经典算法参考代码方面的参考资料,请
参考如下书籍或站点资源:
[1]数据挖掘:概念与技术(原书第3版)韩家炜、Micheline
Kamber、裴健、范明机械工业出版社(2012-08出版)
[2]数据挖掘导论(完整版)陈封能(Pang-NingTan)、斯坦巴赫
(MichaelSteinbach)、库玛尔(VipinKumar)、范明人民邮电出版
社(2011-01出版)
[3]数据挖掘:实用机器学习工具与技术(英文版?第3版)
威腾(Witten.I.H.)、弗兰克(Frank.E.)、霍尔(Hall.M.A.)机械工
业出版社(2012-03出版)
[4]
文档评论(0)