隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,信息技術(shù)已經(jīng)涉及到各行各業(yè)。伴隨著信息技術(shù)的興起,在很多領(lǐng)域中,IT人才短缺的問(wèn)題也日益嚴(yán)重。IT人才的短缺是影響信息技術(shù)迅速普及應(yīng)用的重要因素。由于IT人才的短缺以及市場(chǎng)的需要,IT職業(yè)教育培訓(xùn)機(jī)構(gòu)在市場(chǎng)上涌現(xiàn)出來(lái)。本文以北京百知教育科技有限公司的Java培訓(xùn)業(yè)務(wù)板塊的18個(gè)班共1342名學(xué)習(xí)者為研究對(duì)象,在歸納和分析的基礎(chǔ)上,采用數(shù)據(jù)挖掘的方法,比較K最近鄰（KNN,K-Nearest Neighbor）算法、支持向量機(jī)（SVM）算法以及在K最近鄰算法與支持向量機(jī)算法結(jié)合成SVM-KNN新算法的優(yōu)缺點(diǎn),構(gòu)建分類(lèi)預(yù)測(cè)模型,通過(guò)構(gòu)建的預(yù)測(cè)模型,實(shí)現(xiàn)了對(duì)培訓(xùn)機(jī)構(gòu)畢業(yè)狀態(tài)的預(yù)測(cè)。根據(jù)分析預(yù)測(cè)后的結(jié)果,在學(xué)習(xí)者屬性特征中找出影響學(xué)習(xí)的關(guān)鍵因素,這可以對(duì)IT職業(yè)教育學(xué)習(xí)者以及教育工作者提供改進(jìn)學(xué)習(xí)效果的良好建議:盡早幫助學(xué)生發(fā)現(xiàn)學(xué)習(xí)中的相關(guān)問(wèn)題,提高學(xué)習(xí)成績(jī);并提高畢業(yè)生的整體質(zhì)量。本文收集的數(shù)據(jù)集屬性包括:專業(yè)、學(xué)歷層次、在校期間三個(gè)階段--Core java階段、WEB階段、Framework階段的學(xué)習(xí)成績(jī)共5個(gè)方面的特征,對(duì)此進(jìn)行了深入分析與探討,得到了相應(yīng)結(jié)論... 

【文章來(lái)源】：廣西師范大學(xué)廣西壯族自治區(qū)

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

近五年“數(shù)據(jù)挖掘”發(fā)表論文情況

圖 1-2 檢索“計(jì)算機(jī)職業(yè)教育”論文發(fā)表情況國(guó)內(nèi)對(duì)教育數(shù)據(jù)挖掘研究方面，陶穎[10]將數(shù)據(jù)挖掘技術(shù)與學(xué)生就業(yè)問(wèn)題相關(guān)聯(lián)規(guī)則中的 Apriori 算法作為主要研究算法，并對(duì)算法進(jìn)行改進(jìn)應(yīng)用于中校中，對(duì)不同學(xué)校、不同專業(yè)、不同學(xué)年學(xué)生的就業(yè)情況進(jìn)行了分析，找

圖 2-1 數(shù)據(jù)挖掘是知識(shí)發(fā)現(xiàn)的一個(gè)過(guò)程據(jù)挖掘是伴隨著海量數(shù)據(jù)庫(kù)系統(tǒng)的建立以及萬(wàn)維網(wǎng)的廣泛應(yīng)用所發(fā)展起來(lái)數(shù)據(jù)挖掘?qū)儆诮徊嫘詫W(xué)科，主要涵蓋了數(shù)據(jù)庫(kù)技術(shù)、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)、視化分析、模式識(shí)別等多門(mén)學(xué)科。

【參考文獻(xiàn)】：
期刊論文
[1]混淆矩陣算法在質(zhì)檢工作中的應(yīng)用[J]. 姜陽(yáng),房龍.  經(jīng)緯天地. 2019(01)
[2]試析現(xiàn)代農(nóng)業(yè)中物聯(lián)網(wǎng)應(yīng)用的現(xiàn)狀與展望[J]. 杜穎.  計(jì)算機(jī)產(chǎn)品與流通. 2019(01)
[3]多關(guān)系關(guān)聯(lián)規(guī)則挖掘在考勤數(shù)據(jù)分析中的應(yīng)用[J]. 姜麗莉,黃承寧.  電腦知識(shí)與技術(shù). 2018(36)
[4]不平衡數(shù)據(jù)分類(lèi)研究綜述[J]. 趙楠,張小芳,張利軍.  計(jì)算機(jī)科學(xué). 2018(S1)
[5]結(jié)合高斯混合模型的關(guān)聯(lián)分類(lèi)離散化算法研究[J]. 吳辰文,郭叔瑾,李晨陽(yáng).  小型微型計(jì)算機(jī)系統(tǒng). 2018(04)
[6]基于SVMKNN的老人跌倒檢測(cè)算法[J]. 張舒雅,吳科艷,黃炎子,劉守印.  計(jì)算機(jī)與現(xiàn)代化. 2017(12)
[7]反恐情報(bào)分析中的數(shù)據(jù)預(yù)處理研究[J]. 李勇男,梅建明,秦廣軍.  情報(bào)科學(xué). 2017(11)
[8]基于數(shù)據(jù)挖掘的MOOC學(xué)習(xí)行為與學(xué)習(xí)效果研究[J]. 張大胤,陳若航,常朵.  太原城市職業(yè)技術(shù)學(xué)院學(xué)報(bào). 2017(10)
[9]教育數(shù)據(jù)挖掘及其教學(xué)應(yīng)用實(shí)證分析[J]. 胡水星.  現(xiàn)代遠(yuǎn)距離教育. 2017(04)
[10]基于聚類(lèi)改進(jìn)的KNN文本分類(lèi)算法[J]. 周慶平,譚長(zhǎng)庚,王宏君,湛淼湘.  計(jì)算機(jī)應(yīng)用研究. 2016(11)

博士論文
[1]文本情感分析中關(guān)鍵問(wèn)題的研究[D]. 李巖.北京郵電大學(xué) 2014
[2]新生代高學(xué)歷員工組織支持感與職業(yè)成功的作用機(jī)制研究[D]. 易世志.西南財(cái)經(jīng)大學(xué) 2013
[3]微博熱點(diǎn)事件的公眾情感分析研究[D]. 崔安頎.清華大學(xué) 2013
[4]面向智能電網(wǎng)的公共信息模型及其若干關(guān)鍵應(yīng)用研究[D]. 曹晉彰.浙江大學(xué) 2013
[5]領(lǐng)域本體構(gòu)造中數(shù)據(jù)源選取及構(gòu)造方法的研究[D]. 邢軍.大連理工大學(xué) 2008

碩士論文
[1]基于決策粗糙集和SVM算法的網(wǎng)絡(luò)入侵檢測(cè)應(yīng)用研究[D]. 陳羅春.南昌大學(xué) 2018
[2]基于互聯(lián)網(wǎng)環(huán)境下學(xué)習(xí)行為的數(shù)據(jù)挖掘研究[D]. 張大胤.廣西師范大學(xué) 2018
[3]基于代價(jià)敏感的改進(jìn)AdaBoost算法在不平衡數(shù)據(jù)中的應(yīng)用[D]. 孫煒.暨南大學(xué) 2018
[4]基于數(shù)據(jù)挖掘技術(shù)的課程相關(guān)性分析及其應(yīng)用研究[D]. 吳文玲.四川師范大學(xué) 2018
[5]基于數(shù)據(jù)挖掘的CET-4成績(jī)分析與研究[D]. 王芙蓉.寧夏大學(xué) 2016
[6]基于統(tǒng)計(jì)學(xué)的人機(jī)交互視頻數(shù)據(jù)挖掘系統(tǒng)研究[D]. 孫丹.山東大學(xué) 2014
[7]數(shù)據(jù)挖掘技術(shù)在CET-4成績(jī)分析中的應(yīng)用研究[D]. 劉紅保.河北大學(xué) 2014
[8]基于面向云服務(wù)的Python并行計(jì)算的研究[D]. 陳從江.電子科技大學(xué) 2014
[9]模型選擇中的交叉驗(yàn)證方法綜述[D]. 范永東.山西大學(xué) 2013
[10]最近鄰分類(lèi)的若干改進(jìn)算法研究[D]. 仲媛.南京理工大學(xué) 2012



本文編號(hào)：3506169