隨著高校信息化建設(shè)的不斷發(fā)展,學(xué)校積累了海量的學(xué)生數(shù)據(jù),其中教務(wù)管理系統(tǒng)的數(shù)據(jù)庫是學(xué)生數(shù)據(jù)的重要來源。然而,這些數(shù)據(jù)目前大多被用作簡單的查詢及統(tǒng)計(jì)工作,其中所隱含的大量信息沒有得到深度挖掘。因此,利用數(shù)據(jù)挖掘技術(shù),充分挖掘教育大數(shù)據(jù)的內(nèi)在價(jià)值,對推動(dòng)高校管理和人才培養(yǎng)的創(chuàng)新改革具有重要意義。本文基于我校教務(wù)管理系統(tǒng)中09～12級通信工程專業(yè)學(xué)生的課程成績、學(xué)科競賽獲獎(jiǎng)、畢業(yè)設(shè)計(jì)等數(shù)據(jù),借助數(shù)據(jù)挖掘方法開展了課程關(guān)聯(lián)性和學(xué)生綜合素質(zhì)評價(jià)的研究。首先,以成績和課程為中心,采用自適應(yīng)多最小支持度關(guān)聯(lián)規(guī)則算法深入挖掘了課程之間的關(guān)聯(lián)性。其次,以學(xué)生為中心,采用主成分分析和SOM神經(jīng)網(wǎng)絡(luò)深入分析了大學(xué)生個(gè)體和群體的綜合素質(zhì)發(fā)展水平。最后,依據(jù)挖掘與分析的結(jié)果,為優(yōu)化課程體系和促進(jìn)學(xué)生全面均衡發(fā)展提供了有價(jià)值的信息。主要研究內(nèi)容如下:(1)依據(jù)課程成績的分布規(guī)律,并結(jié)合統(tǒng)計(jì)學(xué)知識,本文采用以平均分為中心,利用標(biāo)準(zhǔn)差劃分成績等級的方法完成了成績離散化處理。其次,依據(jù)學(xué)校獎(jiǎng)勵(lì)加分細(xì)則,完成了對學(xué)生學(xué)科競賽獲獎(jiǎng)和畢業(yè)設(shè)計(jì)成績的量化處理。(2)由于傳統(tǒng)關(guān)聯(lián)規(guī)則算法難以挖掘小支持度事件的關(guān)聯(lián)性,本文基于課程...

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.IApriori算法流程圖

的具體步驟如下：??步驟??，最小支持度ｍｉｎ＿ｓｕｐ，最小置信度ｍｉｎ＿ｃｏｎｆ。??一個(gè)項(xiàng)目的支持度＆?（Ａ?＝?１，２，…ｍ）；??一個(gè)項(xiàng)目，比較叉和ｍｉｎ＿ｓｕｐ，如果滿足５＾ｍｉｎ＿ｓｕｐ，則將集合Ａ?；??當(dāng)前得到的項(xiàng)集的長度，對ｒ＞ｌ，重復(fù)執(zhí)行Ｓｔｅｐ４、Ｓｔｅｐ５....

圖２．２?ＳＯＭ的拓?fù)浣Y(jié)構(gòu)??如圖２．２所示，ＳＯＭ網(wǎng)絡(luò)模型由輸入層和輸出層組成

?ｎ??圖２．２?ＳＯＭ的拓?fù)浣Y(jié)構(gòu)??如圖２．２所示，ＳＯＭ網(wǎng)絡(luò)模型由輸入層和輸出層組成。輸入層是由《個(gè)神經(jīng)元??組成的一維序列，輸出層的ｍ個(gè)神經(jīng)元以矩陣形式排列在二維空間中。輸入層神經(jīng)??元通過權(quán)向量與輸出層各神經(jīng)元實(shí)現(xiàn)全互聯(lián)［６Ｓ＂＾。假設(shè)輸入神經(jīng)元為Ｘ，，權(quán)值為氣．，??傳....

圖2.3SOM算法流程圖

碩士學(xué)位論文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??元的概率更大。當(dāng)；７取適當(dāng)值時(shí)，網(wǎng)絡(luò)權(quán)值經(jīng)過逐步學(xué)習(xí)最終等于輸入樣本這樣就達(dá)到了學(xué)習(xí)向量的目的。??２．３．３?ＳＯＭ學(xué)習(xí)算法??ＳＯＭ學(xué)習(xí)算法的流程圖如２．３所示。??

圖24鄰域?yàn)?的網(wǎng)格

用＋⑷表示第ｉ個(gè)神經(jīng)元鄰域值為ｄ時(shí)的鄰域神經(jīng)元，⑷＝?｛／，Ｄ（ｆ，刀＜￥，則圖２．４中鄰域內(nèi)的神經(jīng)元為＾仍＝｛８，１２，１３，１４，１８｝，５中鄰域內(nèi)的神經(jīng)元為７＼＾２）?＝?｛３，７，８，９，１１，１２，１３，１４，１５，１７，１８，１９，２３｝。??當(dāng)?shù)冢保程柹窠?jīng)元獲勝時(shí)，....

本文編號：3896323