關聯(lián)規(guī)則挖掘算法在高職院校就業(yè)分析中的研究與實現(xiàn).pdf

1、隨著高校的發(fā)展以及擴招，導致學生數(shù)量猛增，學生的就業(yè)也逐漸成為一個嚴峻的問題。另一方面各高校已經(jīng)建立了各種信息系統(tǒng)，用于管理海量數(shù)據(jù)，但是，面對這些數(shù)據(jù)，我們僅能進行簡單的查詢、增加等操作是不夠的，如果能夠從高校掌握的海量數(shù)據(jù)中發(fā)現(xiàn)一些規(guī)律，并利用這些規(guī)律輔助決策的制定這對學校的發(fā)展起著至關重要的促進作用。數(shù)據(jù)挖掘技術使這個構思能夠付諸實施。其中關聯(lián)規(guī)則算法是如何從這些數(shù)據(jù)中提取有用的信息，并使它們形成利于決策的知識，應用于高校的就業(yè)指

2、導和教學改革的決策中，以便增強高等院校的競爭力和學生的就業(yè)率。
　　本文依據(jù)我院近幾年積累的就業(yè)相關數(shù)據(jù)，對其進行關聯(lián)規(guī)則的數(shù)據(jù)挖掘，旨在找到一些能對就業(yè)指導和專業(yè)設置、課程改革起到輔助作用的知識，使之成為決策者的參考依據(jù)。具體所做工作為：首先介紹了數(shù)據(jù)挖掘的工作過程，以及數(shù)據(jù)挖掘結果的應用，接著詳細討論了關聯(lián)規(guī)則數(shù)據(jù)挖掘方法的執(zhí)行步驟；其次在介紹了已有的Apriori算法及其適用范圍和局限性，提出了一個利用代價敏感的非頻集過濾矩

3、陣尋找 k-頻集構造過濾矩陣的算法，該算法是一個代價敏感的算法，第一步，進行代價敏感學習，第二步，利用非頻集過濾矩陣生成 k-頻集，第三步，生成強關聯(lián)規(guī)則，第四步，生成非頻集過濾矩陣Apriori算法所需的初始矩陣，第五步，構造代價敏感的非頻集過濾矩陣，第六步，根據(jù)非頻集過濾矩陣判斷是否存在滿足條件的 k-頻集的方法；然后就新算法的性能表現(xiàn)做了多方面比較分析；最后是改進算法的設計與實現(xiàn)，通過分析和實驗驗證該算法的應用效果。將基于代價敏感