时代的发展推动着信息技术的持续进步,计算机技术必须能够处理数据量大的数据。为了更好的应用日常生活中所产生的大数据,挖掘大数据背后所拥有的不被察觉的信息,相应的算法及技术就诞生了,并越来越多的被应用在各行各业中。教育大数据是教育行业在培育培养学生环节中所产生的数据,常见的如校园一卡通的消费数据、各科目考试成绩及考勤等数据。近年来越来越多的管理者和教学者希望充分合理的利用教育大数据,为学生制定科学且人性化的学习方案,并及时排查隐患,以提高管理和教育教学的效率。本课题的研究对象是某些高校的教育教学过程中产生的各类数据,包括老师的信息、学生的信息、各类考勤记录、学生成绩数据等。主要在前人的基础上,学习前人的算法,挖掘数据的内容,并针对现有算法的问题,提出自己的改进优化,加快挖掘数据的效率,并能够完整的利用信息,给管理者和教育教学工作者提供帮助。本文相关研究工作有如下方面:1.贫困生预测分析。利用学生的各项数据进行分析预测,将学生中的“真贫困生”及“假贫困生”进行区分,找出真正需要贫困补助的学生。改进布谷鸟搜索算法用于搜寻最优解,与聚类算法相结合,优化聚类算法,最后改进随机森林分类算法用以构建模型,进行贫困生的分类研究预测。2.学生行为相关性分析与关联规则挖掘分析。利用皮尔逊相关系数和FP-Growth关联规则算法对教育大数据构造相应的模型,分析其中潜在的关联规则,了解其背后的规律,使教师能够更加了解学生的行为与学习之间的联系,从而制定更科学合理的实施方案。3.学生社交关系挖掘。学生之间的友情关系好坏对学生身心健康也有干扰,学校学生之间关系相处问题是教师的日常关注重点之一。如何有效的利用数据挖掘学生之间的关系识别出亲密关系和孤立人群也是研究重点之一。根据进出校门刷卡记录和食堂消费记录,应用LINE算法,构造学生们之间的社交网络图,从而发掘出学生们之间的社交关系。4.学生食堂人流量预测。根据对不同时间段的餐厅人流量,利用LSTM算法构建就餐人数预测模型,预测相应时间段的就餐人数,可以调整学生用餐时间,如分批次用餐,以减轻食堂压力并为学生缩短等待时间,此外,还可以了解餐厅每天大致用餐人数,方便餐厅准备适量食材和饭菜,避免浪费。本文创新点如下:1.对不平衡问题的研究和优化,改进采样算法,以此平衡正负例样本之间的比例,提高预测和分类的准确性。对布谷鸟搜索算法进行了优化,设计了基于布谷鸟优化的模糊C均值聚类算法,以此解决类别不平衡问题。2.对传统的随机森林算法进行优化,不再采用平均投票机制,引入AC1系数对最终的投票阶段进行加权处理,降低决策树性能低的投票权重,从而提高分类算法的分类精度。3.结合数据挖掘技术对算法进行优化,提出一种神经网络数据挖掘聚类优化算法,以此对教育数据进行聚类分析,结果表明,该算法精度高,稳定性好,运算效率高。4.对学生的行为从生活、学习和社交三个方面进行分析,给学校管理层提供优质建议,制定出适合学生的学习计划和方案。