改进的Apriori算法在高校教学管理系统中的应用.pdfVIP

科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科科技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技技信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信信息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息息 计算机与网络 景德镇陶瓷学院 王 华 梁华银 ［摘 要］在关联规则挖掘算法的基础上，提出了一种改进的Apriori关联规则算法，并将该算法应用于高校教学管理 系统中的课程关联挖掘，得到了隐含在数据库中的有用信息。 ［关键词］数据挖掘 Apriori算法 教学管理系统 随着高校招生规模的不断扩大以及信息技术的高速发展， DA。将数据库中的内容一次性全部读入数组中,置所有标志位 高校教务管理数据仓库中的海量数据给教务管理人员带来方 为“0”,完成初始化工作。 便的同时也带来了很多问题。此时利用数据挖掘技术，针对已 有海量的教务信息进行有效的知识发现，为管理者提供有益的 有项集长度小于等于1的事务, 根据用户给定的最小支持度 帮助已显得日趋重要。 (MinSup)确定L1。 数据挖掘技术是从大量数据中提取出潜在有用的知识信 第三步:对Lk进行连接操作,生成CK+1(k=1,2,3,…)。 息的技术，通过这种技术，结合现在已经在实际运用的高校教 学管理系统为管理者提供决策依据。在数据挖掘中，关联规则 项集长度小于 挖掘是比较重要的一种。关联规则挖掘最基本的算法是Apriori事务,根据用户给定的最小支持度(MinSup)成生LK+1。 算法。Apriori算法开创性的使用基于支持度的剪枝技术，系统第五步:k=k+1,转到第三步,直到Lk为空集时终结。 的控制候选项集指数增长。其核心思想如下： （2）生成关联规则 （1）找出存在于事物数据库中的所有频繁项集（frequent根据频繁项集的性质:频繁项集的所有子集均是频繁项集, itemset）。所谓频繁项集是指那些支持度（support）大于等于最小生成关联规则可以如下完成。 支持度（MinSup）的项集。 定义Lmax为最高频繁项集的集合,即包含项数最多的频繁 （2）利用频繁项集生成关联规则。 项集的集合。 Apriori算法的主要步骤如下： 从Lmax开始依次递减直到L2为止执行循环操作。第k次 1.扫描事务数据库中的每个事务，产生候选1-项集的集合C1;循环(2≤k≤ 2.根据最小支持度minsup,由候选1-项集的集合C1产生 ≥MinConf,则输出该规则。 频繁1-项集的集合L1; 将此改进Apriori算法对学生成绩数据库进行数据挖掘。目 3.对k=1; 的是得到课程之间的相关信息,起到指导学生选课的作用。设定 4.由Lk执行连接和剪枝操作，产生候选（k+1）-项集的集 合Ck+1; 联规则(这里只考虑学生成绩为优的课程,即分数大于80的学 生课程成绩)。如表所示最后得到的部分关联规则。 5.根据最小支持度minsup,由候选（k+1）-项集的集合Ck+1 产生频繁（k+1）-项集的集合Lk+1; 表1 关联规则结果 6.若Lk+1≠Φ，则k=k+1，跳往步骤4，否则跳往步骤7；