【正文】 績進行錄入，其中對錄入的成績又一定的限制，主要表現(xiàn)為學(xué)生學(xué)號的規(guī)范正確、學(xué)生成績不可以重復(fù)的錄入、錄入的學(xué)生成績不能為空，錄入的學(xué)生成績不能超過100分等。同時,本系統(tǒng)總的色調(diào)為淺色,界面設(shè)計簡單、明朗和快捷。. [班級]表：Class_Information表41 班級表字段名類型(長度)主鍵、外鍵默認(rèn)值說明Class_IdcharPK班級代碼(默認(rèn)4位)Class_Namechar(10)班級名稱Class_Teacherchar(10)班主任Beizhuchar(50)Null備注注：此表的程序界面無需顯示，其中0101代表小學(xué)一年級一班，0202代表小學(xué)二年級二班。l 如果其它表用到對應(yīng)的所屬關(guān)系，均用代碼這個字段，而不用對應(yīng)的自增字段。l 如果該表具有導(dǎo)入功能，那么在每一個表中增加一個自增字段，該字段僅為代碼生成器服務(wù)。l 存儲過程定義：proc_過程名. 數(shù)據(jù)字典注：具體每個表如何處理，下面有3個方案。. 數(shù)據(jù)定義規(guī)范數(shù)據(jù)庫每個表都要定義主鍵；除特殊情況外主鍵必須是整數(shù)；自增整數(shù)為Serial表示。具體到每個功能一個頁面，從菜單上選擇功能后直接進入相關(guān)頁面。導(dǎo)出為：c://://。在這種情況下通過使用連接和限定記錄集合的大小，可以使報表的性能更大化。聚類分析的結(jié)果是以報表的形式表現(xiàn)出來，針對不同的試卷，不同的算法分析的參數(shù)將產(chǎn)生不同的分析結(jié)果。這樣劃分方法仍然是基于最小化所有對象與其參照點之間的相異度之和的原則來執(zhí)行的。k平均算法對孤立點是敏感的，為了解決這個問題，不采用簇中的平均值作為參照點，可以選用簇中最位置最靠近中心點的對象，即中心點作為參照點。（3） 改進措施為實現(xiàn)對離散數(shù)據(jù)的快速聚類，K模算法被提出，它在保留了K平均算法的效率的同時，將K平均算法的應(yīng)用擴大到離散數(shù)據(jù)。該算法不適用于發(fā)現(xiàn)非凸面形狀的簇，或者大小差別很大的簇。這可能不適用某些應(yīng)用，例如涉及有分類屬性的數(shù)據(jù)。當(dāng)結(jié)果是密集的，而簇與簇之間區(qū)別明顯時，它的效果較好。這個算法經(jīng)常以局部最優(yōu)結(jié)束。對處理大數(shù)據(jù)集，該算法是相對課伸縮的和高效率的，應(yīng)為它的復(fù)雜度是O()，其中n是所有對象的數(shù)目，k是簇的數(shù)目，t是迭代的次數(shù)。 //任意選擇k個對象作為初始的簇中心（2） Repeat；（3） For j=0 to n do assign each xj to the cluster which has the closest mean。這個準(zhǔn)則試圖使生成的結(jié)果簇盡可能的緊湊和獨立。這個過程不斷重復(fù)，知道準(zhǔn)則函數(shù)收斂。對剩余的每個對象根據(jù)其與各個簇中心的距離，將它賦給最近的簇。相似度的計算根據(jù)一個簇中對象的平均值來進行。學(xué)生成績查詢流程圖：圖35 學(xué)生成績查詢流程圖. 聚類分析處理這個功能的設(shè)計主要是對學(xué)生的成績進行聚類的分析和研究，其中重點應(yīng)用了數(shù)據(jù)挖掘中聚類分析的思想，根據(jù)客戶端提供的不同的參數(shù)，選擇K_means算法完成對學(xué)生成績的分析。學(xué)生成績管理主要是對學(xué)生的成績進行管理，為了規(guī)范其管理，使其查詢更有效。這種查詢中只需要知道是第幾次測試，選擇相應(yīng)的測試就可以查詢學(xué)生的成績。實現(xiàn)這種查詢的前提是要知道該學(xué)生的學(xué)號和查詢的是第幾次測試，只有這樣才能查詢具體的某位學(xué)生的某次的考試成績。學(xué)生成績的查詢也可以分為許多種，其中重點實現(xiàn)了兩種，一種是通過學(xué)號和第幾次測試查詢學(xué)生的成績，另一種是選擇試卷查詢參加考試的所有的學(xué)生的成績。這一部分的學(xué)生信息，其提取的方式和按學(xué)號查詢學(xué)生信息基本一樣，主要是為教師提供一些具體的學(xué)生的情況，有助于教師掌握班級的整體的學(xué)生的基本信息，可以為教師做一些有利于教學(xué)的改動提供相應(yīng)的參考和幫助。重點實現(xiàn)了學(xué)生信息的查看。l 按學(xué)號查詢學(xué)生信息學(xué)生信息成功的錄入以后，可以對學(xué)生的信息進行相應(yīng)的查詢和改動。學(xué)生的信息主要包括：學(xué)號、姓名、所在班級、出生年月日、年齡和家庭住址。當(dāng)客戶端程序運行時，可以進行學(xué)生成績的錄入和校驗。當(dāng)此學(xué)生的成績已經(jīng)成功的錄入后，若再詞錄入學(xué)生的成績，則提示此學(xué)生的成績已經(jīng)成功的錄入.l 更新程序管理當(dāng)有成績錄入數(shù)據(jù)庫后，數(shù)據(jù)庫中的數(shù)據(jù)信息進行更新，再一次的查詢將是最新的結(jié)果，管理員更新了學(xué)生的基本信息和成績后，可以進行相應(yīng)的查看和對部分信息的管理。本課題做的是對小學(xué)的語文和數(shù)學(xué)成績的分析和管理，其中重點記錄下每次的考試成績。其中每次考試，我定為數(shù)據(jù)表TestPaper_One、TestPaper_Two、TestPaper_Four等。系統(tǒng)的數(shù)據(jù)流程圖如下：圖33 基于聚類分析的學(xué)生成績知識點預(yù)測模型的研究與實現(xiàn)的流程圖. 學(xué)生成績錄入l 成績錄入的條件限定成績錄入的參數(shù)限定主要是對學(xué)生成績的錄入進行管理，避免出現(xiàn)成績的重復(fù)錄入和成績?yōu)榭盏那闆r。導(dǎo)出提供了兩種方式的導(dǎo)出一種是Word方式，另一種是Excel方式。學(xué)生成績的展示模塊，主要是實現(xiàn)把聚類分析的結(jié)果顯示出來，其中主要用到了水晶報表，通過自定義數(shù)據(jù)集，手動的綁定數(shù)據(jù)集，讓分析的結(jié)果以柱狀圖的形式顯示出來。然后重新計算每個簇的平均值。算法首先隨機地選擇K個對象，每個對象初始地代表了一個簇的平均值或者中心。其中重點實現(xiàn)了K_means算法，該算法以K為參數(shù)，把n個對象分為K個簇，以使簇內(nèi)具有較高的相似度，而簇間的相似度較低。查詢的結(jié)果可以反饋給教師，供教師參考，在教學(xué)中做出相應(yīng)的調(diào)整。學(xué)生學(xué)習(xí)成績的管理，主要實現(xiàn)了兩種方式的查詢，一種是按照試卷查看學(xué)生的考試成績，另一種是按照學(xué)號和試卷，查看相應(yīng)的某次考試學(xué)生的成績。K_meansl 聚類分析的結(jié)果用水晶報表的形式展現(xiàn)學(xué)生基本信息的管理是基于聚類分析的學(xué)生成績知識點預(yù)測模型研究與實現(xiàn)的一個重要的部分。. 功能結(jié)構(gòu)圖本課題分學(xué)生成績錄入、聚類分析和學(xué)生成績展示3部分。以此為基礎(chǔ)，采用結(jié)構(gòu)化設(shè)計方法對系統(tǒng)進行設(shè)計，在系統(tǒng)的功能結(jié)構(gòu)圖的基礎(chǔ)上，對各功能模塊和數(shù)據(jù)庫進行了詳細(xì)的設(shè)計，為系統(tǒng)的實現(xiàn)打下了堅實的基礎(chǔ)。學(xué)生成績的展示模塊主要利用水晶報表將學(xué)生成績的浮動用圖表的形式展現(xiàn)出來。聚類分析模塊是主要的處理模塊，主要是從數(shù)據(jù)庫提取學(xué)生的成績，根據(jù)后臺已經(jīng)編輯好的聚類分析算法進行聚類分析，實現(xiàn)對學(xué)生成績的處理。具體的模塊圖如下所示：圖31 基于聚類分析的學(xué)生成績知識點預(yù)測模型的研究與實現(xiàn)的總體模塊圖學(xué)生成績錄入模塊是輸入模塊，主要實現(xiàn)學(xué)生成績的錄入。3. 系統(tǒng)功能設(shè)計. 系統(tǒng)設(shè)計思想本系統(tǒng)實現(xiàn)教師錄入學(xué)生的成績，并且可以查看學(xué)生的成績，也可查看某次考試的班級的學(xué)生成績，并對其中的一部分學(xué)生的成績進行分析，從而得到學(xué)生成績的分布，學(xué)生對知識的掌握情況。但是，只要取樣均勻且取樣率適當(dāng)，則取樣數(shù)據(jù)庫也可以較好地反映整個數(shù)據(jù)庫狀況，從而在保證聚類質(zhì)量的同時提高聚類效率。這樣，對大規(guī)模數(shù)據(jù)庫的聚類分析就轉(zhuǎn)化為對較小規(guī)模的取樣數(shù)據(jù)庫的聚類分析。若取樣率太低，取樣數(shù)據(jù)庫必然會丟失原數(shù)據(jù)庫的某些特質(zhì)，導(dǎo)致聚類效果失真。確定取樣率很重要。設(shè)當(dāng)前處理的是第t個記錄(n+1≤t≤N)，u是產(chǎn)生的一個隨機數(shù)(u∈〔0，t1〕)，若un，則把第u個記錄替換成第t個記錄。取樣算法：這種算法只需掃描一遍被取樣數(shù)據(jù)庫，而且使用恒定的內(nèi)存空間，便可以從N個記錄中隨機取出n個取樣記錄。作為統(tǒng)計學(xué)的一個分支，聚類分析已經(jīng)被廣泛的研究了許多年，主要集中在基于距離的聚類分析。距離是經(jīng)常采用的度量方式。與分類不同的是，聚類操作中要劃分的類是事先未知的樣本，類的形成完全是數(shù)據(jù)驅(qū)動的，屬于一種無指導(dǎo)的學(xué)習(xí)方法。在生物學(xué)中，聚類可以輔助動、植物分類方面的研究，以及通過對基因數(shù)據(jù)的聚類，找出功能相似的基因；在地理信息系統(tǒng)中，聚類可以找出具有相似用途的區(qū)域，輔助石油開采；在商業(yè)上，聚類可以幫助市場分析人員對消費者的消費記錄進行分析，從而概括出每一類消費者的消費模式，實現(xiàn)消費群體的劃分?！拔镆灶惥?，人以群分”，聚類是人類一項最基本的認(rèn)識活動。. 聚類分析聚類分析源于許多研究領(lǐng)域，包括數(shù)據(jù)挖掘、統(tǒng)計學(xué)、機器學(xué)、模式識別等。所有面向?qū)ο缶幊陶Z言都支持三個概念：封裝、多態(tài)性和繼承。面向?qū)ο蟮母拍詈蛻?yīng)用已超越了程序設(shè)計和軟件開發(fā)，擴展到很寬的范圍?；蛟SJava平臺真正的優(yōu)勢只在于政治上的正確性它不是微軟搞出來的，且目前有成千上萬的執(zhí)著的宗教追隨者。在Java平臺，簡單地移動平級文件，項目就可以展開為產(chǎn)品目錄。Java運用執(zhí)行轉(zhuǎn)接提供真正的OOP技術(shù)。Java平臺只支持Java語言?？紤]相反方面：Java VM靠翻譯字節(jié)碼來運行應(yīng)用程序。微軟又開發(fā)了一個新平臺，這已嚇倒那些本來對微軟平臺統(tǒng)治憂心忡忡的人了。微軟也積極爭取被ECMA標(biāo)準(zhǔn)接納，他們先前的Javascript已被接納。這樣命名，是因為除了CLS構(gòu)架是平臺獨立的，C將用到的和所有遵從CLS的數(shù)據(jù)庫也是平臺獨立的。新平臺無疑將補充COM，并與它幾乎天衣無縫地配合，但一點也不會依靠COM。，它并不是只能在Windows上使用。雖然開發(fā)工具很多，但是開發(fā)人員都選擇了Visual Studio。Visual 2005還提供了許多新特性，這些新特性能夠幫助不同類型的開發(fā)人員，快速創(chuàng)建各類應(yīng)用程序?！睂嵸|(zhì)上，雖然這種方案有點像Java程序通過一個JIL編譯程序，但這里最終的JIT編譯是100%的本地代碼，而Java的JIT產(chǎn)生的結(jié)果是不同的。相反地，每當(dāng)應(yīng)用程序載入或JIT編譯程序需要編譯它時，IL就會被轉(zhuǎn)換成本地代碼。C也并非字節(jié)碼（bytecode）。你想放入C的任何東西（無論何種語言）。事實上，C將是完全依靠Windows的最完美的產(chǎn)物。微軟將使它的下一代工具軟件、操作系統(tǒng)和應(yīng)用支持XML技術(shù)。C的目標(biāo)在于把Java的高生產(chǎn)力和C++本身的能力結(jié)合起來。由C和C++發(fā)展而來。據(jù)微軟產(chǎn)品經(jīng)理透露，C語言將在保持C/C++靈活性的基礎(chǔ)上為程序員帶來更高效的RAD開發(fā)方式。. C簡介C是一種簡單、現(xiàn)代、面向?qū)ο蠛皖愋桶踩目缙脚_編程語言，它將作為Visual Studio中的一部分推出。服務(wù)器端控件會生成發(fā)送給瀏覽器的HTML代碼，顯示控件，它們還能生成隱藏的HTML元素來存儲它們當(dāng)前的狀態(tài)。這兩種辦法都存在問題，第一種辦法產(chǎn)生的問題是不同的瀏覽器以不同的方式執(zhí)行客戶端腳本語言，我們很難編寫在多種瀏覽器上都能良好運行的復(fù)雜的Web頁面。3．引入服務(wù)器端控件在ASP中，可以給頁面手動添加HTML控件，對這些控件的響應(yīng)有兩種辦法。 Web開發(fā)技術(shù)為程序