【正文】 ................................................................... 23 Apriori算法的舉例演示 ............................................................................. 24 Apriori算法的特點和缺陷 ......................................................................... 26 Apriori算法的現(xiàn)有改進技術(shù) ..................................................................... 26 一種新的 Apriori算法改進設(shè)計 ........................................................................ 27 改進思路 .................................................................................................... 27 Apriori改進算法的描述和實例分析 ......................................................... 28 Apriori改進算法的特點和不足 ................................................................. 33 Apriori算法和 Apriori改進算法的性能比較 ..................................................... 34 性能分析 .................................................................................................... 34 實驗分析 .................................................................................................... 35 本章小結(jié) .............................................................................................................. 36 第五章 Apriori 改進算法在學(xué)生成績管理中的應(yīng)用 ....................... 37 關(guān)聯(lián)規(guī)則挖掘過程 .............................................................................................. 37 關(guān)聯(lián)規(guī)則挖掘在學(xué)生成績管理中的應(yīng)用 .......................................................... 38 問題定義 .................................................................................................... 38 數(shù)據(jù)準(zhǔn)備 .................................................................................................... 38 建立數(shù)據(jù)挖掘模型 .................................................................................... 40 關(guān)聯(lián)規(guī)則的解釋和評估 ............................................................................ 45 本章小結(jié) .............................................................................................................. 45 第六章 總結(jié)與展望 ............................................... 46 論文總結(jié) .............................................................................................................. 46 展望 ...................................................................................................................... 46 參考文獻 ....................................................... 48 攻讀碩士學(xué)位期間公開發(fā)表的論文 ....................... 錯誤 !未定義書簽。 插圖清單 圖 3 1 費力策略示意圖 ............................................................................... 12 圖 3 2 基于支持度的剪枝策略的實例 .......................................................... 13 圖 3 3 FPgrowth 算法偽代碼 ...................................................................... 14 圖 3 4 FPgrowth 算法挖掘流程第一步 ........................................................ 15 圖 3 5 根據(jù)表 31 構(gòu)建的 FPtree ................................................................ 16 圖 4 1 利用 Apriori 算法產(chǎn)生頻繁項集的偽代碼 .......................................... 22 圖 4 2 apriorigen()函數(shù)產(chǎn)生候選項集的偽代碼 ........................................... 23 圖 4 3 Apriori 算法中規(guī)則產(chǎn)生的偽代碼 ...................................................... 24 圖 4 4 Apriori 算法尋找 D 中頻繁項集的過程 .............................................. 25 圖 4 5 利用完美哈希函數(shù)挖掘 L2 ................................................................ 30 圖 4 6 利用 L2 壓縮原始數(shù) 據(jù)庫 D................................................................ 31 圖 4 7 Apriori 改進算法的數(shù)據(jù)流程圖 ......................................................... 33 圖 4 8 不同支持度下的兩種算法效率比較 (5000 條樣本數(shù)據(jù)） ..................... 35 圖 4 9 不同樣本數(shù)據(jù)下的兩種算法效率比較 (min_sup=%） ...................... 36 圖 5 1 關(guān)聯(lián)規(guī)則挖掘過程示意圖 ................................................................. 37 圖 5 2 學(xué)生成績數(shù)據(jù)挖掘系統(tǒng)模型 ............................................................. 41 圖 5 3 學(xué)生成績數(shù)據(jù)挖掘系統(tǒng)挖掘流程圖 ................................................... 41 圖 5 4 學(xué)生成績數(shù)據(jù)挖掘系統(tǒng)主界面 .......................................................... 42 圖 5 5 獲取數(shù)據(jù)模塊界面 ........................................................................... 42 圖 5 6 獲取挖掘數(shù)據(jù)成功的界面 ................................................................. 43 圖 5 7 關(guān)聯(lián)規(guī)則挖掘模塊的界面 ................................................................. 43 圖 5 8 規(guī)則結(jié)果分析模塊的界面 ................................................................. 44 圖 5 9 學(xué)生成績數(shù)據(jù)挖掘系統(tǒng)應(yīng)用前后效果對比圖 ..................................... 45 表格清單 表 3 1 事務(wù)數(shù)據(jù)庫 D ................................................................................. 15 表 3 2 按結(jié) 果集 L 中的次序處理 D 中的每個事務(wù)的項 ............................... 15 表 3 3 挖掘圖 34 的 FPtree 的結(jié)果 ........................................................... 17 表 4 1 原始事務(wù)數(shù)據(jù)庫 D .......................................................................... 24 表 4 2 11 CC? 中所有 2項集對應(yīng)的地址表 .................................................. 29 表 4 3 分組表 (3) ....................................................................................... 32 表 4 4 分組表 (4) ....................................................................................... 32 表 5 1 學(xué)生成績表表結(jié)構(gòu) .......................................................................... 39 表 5 2 預(yù)處理后的學(xué)生成績表表結(jié)構(gòu) ......................................................... 40 1 第一章 緒論 研究背景 面臨著社會各個領(lǐng)域積累的大量數(shù)據(jù)，如何從中獲取有價值的新發(fā)現(xiàn) ，目前已成為不同學(xué)科的研究者的主要研究方向。雖然錄入、查詢和統(tǒng)計數(shù)據(jù)都通過數(shù)據(jù)庫管理系統(tǒng)完成，但是數(shù)據(jù)中存在的關(guān)系和規(guī)則卻不能發(fā)現(xiàn)，也沒辦法預(yù)測未來的發(fā)展趨勢。在這樣的情況下，一個多學(xué)科交叉的學(xué)問產(chǎn)生了，它就是數(shù)據(jù)挖掘，它是一個從數(shù)據(jù)源中找到有用的、有潛在價值知識的過程。 關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘領(lǐng)域中被廣泛研究的比較重要的模型，對它的挖掘是為了找到數(shù)據(jù)中蘊涵的重要規(guī)律。最早應(yīng)用于解決銷售交易數(shù)據(jù)庫中數(shù)據(jù)項之間聯(lián)系的發(fā)現(xiàn)問題，也就是從大量收集和存儲的消費者消費行為的信息中發(fā)現(xiàn)有趣的關(guān)聯(lián)關(guān)系，從而了解消費者的購買行 為，然后利用這個寶貴的信息優(yōu)勢，支持多種業(yè)務(wù)應(yīng)用，市場營銷成本大幅節(jié)省，營銷效率明顯提高，又帶來了豐厚的利潤，進一步促使許多業(yè)界人士對其產(chǎn)生極大的興趣和研究熱情。目前，關(guān)聯(lián)規(guī)則挖掘不但在關(guān)聯(lián)分析的概念上得到了深入研究，而且在實現(xiàn)和應(yīng)用問題上也取得了長足的發(fā)展。 教育信息的挖掘很少應(yīng)用，特別是挖掘?qū)W生的成績來獲得教學(xué)策略的支持。面對日益增加的學(xué)生人數(shù)，用于管理學(xué)生信息的教務(wù)管理系統(tǒng)中積累了大量的學(xué)生信息，而這些信息我們卻只是進行簡單的查詢和報表統(tǒng)計輸出，因此如何從這些數(shù)據(jù)中獲取隱藏其中的規(guī)律或規(guī)則，并利用其進 行教學(xué)策略支持，就很重要了。