數(shù)據(jù)挖掘技術(shù)在高校招生工作中的應(yīng)用.pdf

1、隨著數(shù)據(jù)庫(kù)技術(shù)的迅速發(fā)展以及數(shù)據(jù)庫(kù)管理系統(tǒng)的廣泛應(yīng)用,各行各業(yè)積累了大量的歷史數(shù)據(jù),而這些激增的歷史數(shù)據(jù)中往往隱藏著很多重要的信息。如何從歷史數(shù)據(jù)中及時(shí)發(fā)現(xiàn)有用的知識(shí),從而挖掘出其潛在的價(jià)值,提高其利用率,是信息處理技術(shù)研究領(lǐng)域的一項(xiàng)重要課題。作為其解決方案,近年來(lái)數(shù)據(jù)挖掘(DataMining, DM)技術(shù)迅速崛起。 數(shù)據(jù)挖掘是目前信息領(lǐng)域和數(shù)據(jù)庫(kù)技術(shù)的前沿研究課題,被公認(rèn)為最具發(fā)展前景的關(guān)鍵技術(shù)之一。數(shù)據(jù)挖掘涉及到數(shù)理統(tǒng)計(jì)、

2、模糊理論、神經(jīng)網(wǎng)絡(luò)和人工智能等多種技術(shù),技術(shù)含量比較高,實(shí)現(xiàn)難度也較大。 本文以數(shù)據(jù)挖掘技術(shù)的研究作為核心,深入研究了關(guān)聯(lián)規(guī)則和聚類(lèi)分析技術(shù)。關(guān)聯(lián)規(guī)則及聚類(lèi)分析作為數(shù)據(jù)挖掘的兩個(gè)重要方法,有著可理解性強(qiáng)、簡(jiǎn)潔性好、應(yīng)用范圍廣等優(yōu)點(diǎn)。本文探討了這兩種挖掘算法實(shí)現(xiàn)中的各項(xiàng)技術(shù),以及它們?cè)诂F(xiàn)實(shí)系統(tǒng)中的應(yīng)用。 在任何一所高校中,往往都積累有大量學(xué)生的入學(xué)信息、畢業(yè)生信息和在校期間的成績(jī)等資料。如果能對(duì)這些數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則和聚類(lèi)分

3、析的挖掘,尋找出考生的各種因素與學(xué)生在校期間成績(jī)以及畢業(yè)信息之間的關(guān)聯(lián)關(guān)系,研究考生生源特征與培養(yǎng)之間的關(guān)系,進(jìn)而能指導(dǎo)學(xué)校的招生和就業(yè)等工作。 本文以北京第二外國(guó)語(yǔ)學(xué)院的學(xué)生數(shù)據(jù)為背景,通過(guò)大量的數(shù)據(jù)預(yù)處理工作,應(yīng)用關(guān)聯(lián)規(guī)則的FP-growth算法及基于圖論的METIS聚類(lèi)算法對(duì)上述數(shù)據(jù)進(jìn)行了數(shù)據(jù)挖掘,最終挖掘到有一定價(jià)值的信息。 本文所做的工作主要如下： 1、論述了數(shù)據(jù)挖掘的基本理論、相關(guān)技術(shù)： 2、

4、討論了關(guān)聯(lián)規(guī)則的Apriori算法及其改進(jìn)算法FP-tree及FP-growth算法； 3、討論了聚類(lèi)分析的幾類(lèi)方法； 4、在高校學(xué)生數(shù)據(jù)庫(kù)中實(shí)現(xiàn)了關(guān)聯(lián)規(guī)則挖掘及聚類(lèi)分析。具體工作包括：應(yīng)用實(shí)例的分析、從原始數(shù)據(jù)收集到數(shù)據(jù)的預(yù)處理的實(shí)現(xiàn)、以及關(guān)系數(shù)據(jù)庫(kù)到適合挖掘的數(shù)據(jù)轉(zhuǎn)換；實(shí)現(xiàn)了利用FP-tree及FP-growth算法尋找頻繁項(xiàng)集、輸出挖掘到的關(guān)聯(lián)規(guī)則；實(shí)現(xiàn)了應(yīng)用聚類(lèi)分析的基于圖論的方法對(duì)學(xué)生數(shù)據(jù)進(jìn)行聚類(lèi),輸出聚類(lèi)的結(jié)