论文部分内容阅读
为了满足第三次产业革命对高素质人才的需求,具有人才培养主要职能的高校不断的探索人才培养模式,应用信息化技术辅助教学管理与教学改革,致使智慧校园建设进程加快。在高校信息化建设发展过程中,积累了大量数据,充分挖掘与利用这些数据提升教学管理是十分有意义的工作。目前针对高校数据的挖掘大多是通过关联规则挖掘算法实现的。然而,关联规则挖掘算法存在效率低、数据维度少、准确度不高的问题,为了提高算法的准确度和效率,本文提出了一种融合hash函数和标记事务压缩的HMApriori算法并在HMApriroi算法的基础上结合OLAP技术,提出多维关联规则挖掘的方法。具体研究内容如下:(1)提出了融合hash函数和标记事务压缩的HMApriori算法,解决了Apriori算法候选项集过多和冗余的缺点。本文在学生课程成绩数据集上对Apriori算法、HMApriori算法和其他改进算法进行了对比实验。实验表明,本文提出的HMApriori算法在候选2项集数量和时间上取得了明显的提升。(2)提出了结合HMApriori算法和联机分析处理(OLAP)技术的多维关联规则挖掘方法,使用该方法对学生个人信息、上网信息、图书借阅信息等多个维度数据进行挖掘,分析挖掘结果得到多维数据与学生成绩的关联性。(3)构建了学情分析系统,将HMApriori算法和多维关联规则挖掘方法应用到系统中,通过统计分析和关联分析模块,分别展示在校学生的总体情况和影响学生成绩的因素。该系统可以辅助管理者进行决策,提升教学管理,帮助学生调整学习进度。系统开发后,具有通用性,可以在国内各高校推广使用,具有巨大的应用价值。