基于FP-Tree算法頻繁模式挖掘的選課系統(tǒng)設(shè)計與實現(xiàn).pdf

1、數(shù)據(jù)倉庫和數(shù)據(jù)挖掘是數(shù)據(jù)庫研究、開發(fā)和應(yīng)用最活躍的分支之一，也是決策支持系統(tǒng)的關(guān)鍵因素。數(shù)據(jù)倉庫是一個支持管理決策過程的、面向主題的、隨時間而變的數(shù)據(jù)集合，它是集成的，也是穩(wěn)定的。數(shù)據(jù)挖掘是采用人工智能的方法對數(shù)據(jù)庫和數(shù)據(jù)倉庫中的數(shù)據(jù)進行分析、獲取知識的過程。它們的結(jié)合能更好地為學(xué)?；蛴嘘P(guān)部門不同范圍的決策分析提供有力的依據(jù)。 本文通過對數(shù)據(jù)倉庫理論和數(shù)據(jù)挖掘技術(shù)的研究，結(jié)合選課系統(tǒng)的特點，提出將數(shù)據(jù)倉庫理論和數(shù)據(jù)挖掘技術(shù)運用到

2、教學(xué)管理中，并結(jié)合一個實際項目，給出具體的設(shè)計及實施方案。隨著高校教學(xué)體制及模式改革，專業(yè)設(shè)置日趨多樣化，課程學(xué)分制的普及，學(xué)生選課成為高校教學(xué)管理的一項重要工作。而現(xiàn)代化的高校教務(wù)管理需要現(xiàn)代化的信息管理系統(tǒng)支持，縱觀以往的學(xué)生選課管理系統(tǒng)，多半是單純完成選課功能的系統(tǒng)，缺乏綜合分析、輔助決策的能力，并且對其歷史積累的海量信息中隱含知識的利用無能為力，而這些信息，則可以輔助相關(guān)部門進行合理的教學(xué)資源分配并做出相應(yīng)開課決策，對教學(xué)進行合

3、理的評估。采用先進技術(shù)通過對學(xué)生選課進行分析過程中產(chǎn)生的數(shù)據(jù)進行多層次、多角度的分析，利用分析結(jié)果輔助教學(xué)決策是保證教學(xué)質(zhì)量、提高學(xué)生素質(zhì)的必然要求。 該系統(tǒng)結(jié)合了學(xué)生選課系統(tǒng)、選課數(shù)據(jù)分析系統(tǒng)，兩大主要功能模塊，本文著重介紹了選課數(shù)據(jù)分析系統(tǒng)即數(shù)據(jù)挖掘模塊的實現(xiàn)方法與相關(guān)技術(shù)，在選擇數(shù)據(jù)挖掘算法時，經(jīng)過仔細(xì)分析與研究，發(fā)現(xiàn)長期以來，挖掘頻繁模式主要采用Apriori算法及其改進形式，這類算法需要產(chǎn)生大量候選項集，并反復(fù)掃描數(shù)據(jù)