本文關(guān)鍵詞：基于特征知識庫的學(xué)籍預(yù)警與決策支持系統(tǒng)的研究與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：教育信息化的發(fā)展,導(dǎo)致教育領(lǐng)域的各類數(shù)據(jù)迅速增長,從而促使了教育數(shù)據(jù)挖掘研究成為熱點。教育數(shù)據(jù)挖掘是一個將來自各教育系統(tǒng)的原始數(shù)據(jù)轉(zhuǎn)換為知識的過程,這些知識可為教師、學(xué)生、家長、教育管理人員以及教育軟件系統(tǒng)開發(fā)人員所利用。教育數(shù)據(jù)挖掘在國內(nèi)外研究普遍較晚,目前國內(nèi)仍處于發(fā)展初期。如何把高校存儲的數(shù)據(jù)轉(zhuǎn)變?yōu)橹R,并為教育決策過程服務(wù),已成為教育工作者所關(guān)注的問題。本文針對高校的教學(xué)成績及一卡通等教育數(shù)據(jù)進(jìn)行挖掘分析,建立了一個學(xué)籍預(yù)警與決策支持系統(tǒng)。系統(tǒng)采用數(shù)據(jù)倉庫、數(shù)據(jù)挖掘技術(shù)、知識庫和多維分析處理對數(shù)據(jù)進(jìn)行分析處理,從而建立學(xué)籍預(yù)警與決策支持系統(tǒng)框架。該系統(tǒng)定期地從各數(shù)據(jù)源提取教學(xué)相關(guān)信息,經(jīng)過預(yù)處理后存入數(shù)據(jù)倉庫,在此基礎(chǔ)上應(yīng)用數(shù)據(jù)挖掘技術(shù)和多維分析處理進(jìn)行數(shù)據(jù)深入分析和挖掘,挖掘得到的知識存入知識庫。其中教育數(shù)據(jù)挖掘內(nèi)容為:學(xué)生群體分類及各分類特征分析,學(xué)生成績影響因素及成績分類預(yù)測,包含過程預(yù)警;多維分析處理是對課程成績等數(shù)據(jù)結(jié)合警示級別規(guī)則庫進(jìn)行多維分析,展示警示的結(jié)果和發(fā)展趨勢,包含常規(guī)預(yù)警。本文挖掘結(jié)果以Web可視化,完成交互式查詢和展現(xiàn),完成學(xué)籍預(yù)警和決策支持。針對高校數(shù)據(jù)集特點,對CFSFDP(Clustering by Fast Search and Find of Density Peaks)聚類算法和NBC(Naive Bayes Classifiers)算法進(jìn)行優(yōu)化研究,提出NM-CFSFDP(CFSFDP based on Neighbor Distance Curve and Merging Clusters)和NBC-IBA(Na?ve Bayesian Classifier Based on Improved Bat Algorithm)算法。(1)為了提高CFSFDP算法的精準(zhǔn)度和通用性,提出NM-CFSFDP算法。根據(jù)教育數(shù)據(jù)集分布不均勻、簇狀明顯且可能存在多密度峰值的特點,首先參考近鄰距離曲線變化情況自動確定數(shù)據(jù)集密度閾值;然后用CFSFDP算法對數(shù)據(jù)聚類;最后對各類進(jìn)行合并。實驗及應(yīng)用證明,針對普通數(shù)據(jù)集及多密度峰值數(shù)據(jù)集,NM-CFSFDP算法的聚類結(jié)果更精準(zhǔn),應(yīng)用范圍更廣泛。(2)為了讓貝葉斯分類器應(yīng)能用于關(guān)聯(lián)性分析并提高分類器的精準(zhǔn)度,提出NBC-IBA算法。首先為屬性賦予權(quán)值,既削弱條件獨立性假設(shè)又可以利用權(quán)值進(jìn)行屬性關(guān)聯(lián)性分析;然后為避免陷入局部最優(yōu)解,用禁忌搜索機(jī)制和隨機(jī)擾動算子對蝙蝠算法進(jìn)行改進(jìn);最后采用改進(jìn)的蝙蝠算法來自動搜索屬性權(quán)值,優(yōu)化樸素貝葉斯分類器。實驗及應(yīng)用表明,NBC-IBA算法提高了NBC的精準(zhǔn)度。
【關(guān)鍵詞】：數(shù)據(jù)倉庫 教育數(shù)據(jù)挖掘 特征知識庫 學(xué)籍預(yù)警 決策支持
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP311.13;G647.3
【目錄】：

• 致謝4-5
• 摘要5-6
• ABSTRACT6-16
• 變量注釋表16-18
• 1 緒論18-28
• 1.1 研究背景及意義18-19
• 1.2 教育數(shù)據(jù)挖掘國內(nèi)外研究現(xiàn)狀19-23
• 1.3 決策支持系統(tǒng)在教育數(shù)據(jù)應(yīng)用現(xiàn)狀23-25
• 1.4 論文研究內(nèi)容以及結(jié)構(gòu)安排25-28
• 2 相關(guān)理論和技術(shù)28-36
• 2.1 數(shù)據(jù)挖掘技術(shù)28-30
• 2.2 特征知識庫30-32
• 2.3 數(shù)據(jù)倉庫32-33
• 2.4 學(xué)籍預(yù)警與決策支持系統(tǒng)33-35
• 2.5 本章總結(jié)35-36
• 3 快速搜尋密度峰值的聚類算法優(yōu)化研究36-48
• 3.1 CFSFDP算法原理37-38
• 3.2 CFSFDP算法的改進(jìn)38-43
• 3.3 實驗結(jié)果與分析43-47
• 3.4 本章總結(jié)47-48
• 4 基于蝙蝠算法的貝葉斯分類器優(yōu)化研究48-59
• 4.1 NBC-IBA算法的概念48-51
• 4.2 蝙蝠算法的改進(jìn)51-54
• 4.3 實驗結(jié)果與比較54-58
• 4.4 本章總結(jié)58-59
• 5 學(xué)籍預(yù)警與決策支持系統(tǒng)的實現(xiàn)59-79
• 5.1 系統(tǒng)概述59
• 5.2 系統(tǒng)設(shè)計59-63
• 5.3 數(shù)據(jù)倉庫的設(shè)計63-67
• 5.4 數(shù)據(jù)挖掘算法在系統(tǒng)中具體應(yīng)用67-71
• 5.5 特征知識庫設(shè)計與應(yīng)用71-74
• 5.6 多維分析處理技術(shù)的應(yīng)用74-78
• 5.7 本章總結(jié)78-79
• 6 總結(jié)與展望79-81
• 6.1 工作總結(jié)79
• 6.2 未來展望79-81
• 參考文獻(xiàn)81-86
• 作者簡歷86-88
• 學(xué)位論文數(shù)據(jù)集88

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 劉博元;范文慧;肖田元;;決策支持系統(tǒng)研究現(xiàn)狀分析[J];系統(tǒng)仿真學(xué)報;2011年S1期

2 李婷;傅鋼善;;國內(nèi)外教育數(shù)據(jù)挖掘研究現(xiàn)狀及趨勢分析[J];現(xiàn)代教育技術(shù);2010年10期

3 蔣盛益;龐觀松;張黎莎;;Chameleon算法的改進(jìn)[J];小型微型計算機(jī)系統(tǒng);2010年08期

4 吳兵;葉春明;;可變精度粗糙集模型在遠(yuǎn)程開放教育中的應(yīng)用[J];開放教育研究;2009年06期

5 徐翔;劉建偉;羅雄麟;;離群點挖掘研究[J];計算機(jī)應(yīng)用研究;2009年01期

6 李曉強(qiáng),崔德光;基于關(guān)系數(shù)據(jù)庫的知識庫結(jié)構(gòu)設(shè)計[J];計算機(jī)工程與應(yīng)用;2001年24期

  本文關(guān)鍵詞：基于特征知識庫的學(xué)籍預(yù)警與決策支持系統(tǒng)的研究與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號：435855