大学毕业论文—关联规则挖掘在学生成绩管理中的应用.docVIP

关联规则挖掘在学生成绩管理中的应用 摘 要 关联规则挖掘用于发现隐藏在大型数据集中的有意义的联系，所发现的联系可以用关联规则或频繁项集的形式表示。目前，关联规则挖掘已经得到了广泛的研究和应用，其中算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。本文针对算法的不足，提出了一种改进算法，并将其应用于挖掘学生成绩，从而对优化课程设置起到一定的指导作用。 论文的主要内容如下： (1) 对数据挖掘技术进行了概述和归纳，重点介绍了关联规则的基本理论、思想及产生频繁项集和关联规则的相关技术。 (2) 深入研究了算法，并针对该算法的缺陷，提出了一种改进算法。改进算法利用了完美哈希函数，优化的事务压缩技术，分组查询计数和不利用剪枝直接产生候选项集等技术，在一定程度上提升了挖掘频繁项集的效率。同时，通过理论和实验对两种算法进行了性能比较，验证了改进算法的优越性。 (3) 将关联规则挖掘应用于学生成绩管理。在原有的教务管理系统学生成绩管理模块的基础上，应用改进算法，采用作为系统开发工具，设计了一个数据挖掘系统用于挖掘学生成绩中的关联规则。该系统包括获取数据，数据预处理，关联规则挖掘和规则结果分析四个模块。通过挖掘学生成绩，进一步证实了改进算法的有效性和可行性，也为教学管理人员进行课程合理设置提供了决策支持。系统试运行后，优化的课程设置使得教师的教学过程有了明显的改善，教学效果有所提高，学生的课程通过率有所上升。 关键词: 数据挖掘；关联规则；频繁项集；算法；学生成绩 The Application of Association Rules Mining in Students Performance Management Abstract Association rule mining is used to find the meaningful connections hidden in large data set, and the connections can be expressed by association rules or frequent itemsets. Currently, the association rule mining has been widely studied and applied, of which Apriori algorithm is one of the most influential mining Boolean association rule algorithms of frequent itemsets. Aiming at the shortcomings of Apriori algorithm, this thesis proposes an improved algorithm and applies it to mine student performances, thus plays a certain guiding role in curriculum optimization. The main contents of this thesis are as follows: (1)Firstly, it discusses and summaries the data mining technology, and emphasizes the basic concepts and ideas of association rules, and related techniques about frequent itemsets and association rules. (2)Secondly, it studies the Apriori algorithm thoroughly. And present an improved algorithm aiming at the flaws. The algorithm uses the perfect hash function, optimized affairs compression technology, the grouping inquiry counting and not using the pruning directly to produce candidate k itemsets technology and so on. The improved algorithm enhances the efficiency of mining frequent itemsets to a certain extent. At the same time, i