基于数据挖掘技术的农业院校大学生体能指标的相关性研究

发布时间：2020-08-08 17:25

【摘要】：数据挖掘技术通过机器学习方法从数据中提取有价值的知识。本文研究了数据挖掘技术在解决大学生体质指标优化分析问题中的应用。利用APriori算法找出数据背后隐藏的关联,同时提出并实践适用于大学生体能指标的相关性研究,发现了指标数据之间存在潜在的隐藏关系,同时通过改进的AP算法FP算法进一步验证分析结果,为高校体育课改和青少年体育文化养成提供重要的意见。主要内容与结果如下:(1)以学生体测数据为基础数据建立的数据模型,都能够较准确的进行数据指标之间的分析。(2)基于学生体测数据模型经过关联规则算法找出频繁项集,使得模型的精度得到提升,进而提高数据分析的准确性。(3)体测数据经过Apriori算法进行分析,利用算法找出频繁项集,进而找出指标之间的关联度,能够较准确的分析指标之间的联系。(4)经过算法、实际情况、相关学者的的综合分析,可以得出大学生的柔韧性、肺活量、耐力与体能的各指标影响着众多学生的体能测试指标,相关的关联系数大于最小支持度0.2和最小置信度0.7,这对学生的身体体能指标影响更大,甚至决定学生体测最后结果。
【学位授予单位】：吉林农业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：G804.49;TP311.13
【图文】：

技术路线

2.1 Apriori 算法Apriori 算法是一种借助于频繁项集挖掘关联规则的算法。此外，该算法已广泛应用于商业和网络安全等各个领域。该算法的基本思想是：首先找出频繁出现的所有频率集，至少与预定义的最小支持频率一样频繁。然后从频率集生成强关联规则，其必须满足最小支持和最小置信度。然后使用频率集生成所需规则，生成仅包含集合项的所有规则。每条规则的右侧只有一个项目，此处使用中间规则的定义。生成这些规则后，只会留下大于用户给出的最小置信度的那些规则。为了生成所有频繁项集，使用了递归的方法。Apriori 算法现在广泛用于大学学生管理中[19]。随着高校贫困学生人数的不断增加，为学校管理部门提供资金的难度也在增加。针对高校的这一现象，相关学者提出了一种基于数据挖掘算法找出价值信息的解决方案。将关联规则的 Apriori 算法应用于扶贫系统，改善了经典 Apriori 挖掘算法的不足。首先将事务数据库映射到布尔矩阵，并使用逐层增量构思动态分配内存以进行存储。然后使用向量找到 AND 并找到频繁项集。实验结果表明，改进的 Apriori 算法大大提高了运行效率，挖掘规则也可以有效地帮助学校管理部门开展有针对性的贫困工作[20]。

学硕士学位论文 第二章关键技项集，支持度大于最小支持阈值的项集。我们可以使用枚举方法枚举所有可能然后计算每个项集的支持。具有项目的数据集可以产生一组项目，并且满足支组项目可以很小。显然，当数据集很大时，枚举不是一种有效的方法。从下图有 4 项数据集，共 15 项。

【相似文献】

相关期刊论文 前10条

1 严璐;;数据挖掘技术在网络营销中的应用构架实践[J];营销界;2019年19期

2 马琳;董智鹤;夏嵩;贾孺;;数据挖掘技术综述浅析[J];数字技术与应用;2019年10期

3 金鑫;;基于云计算的数据挖掘技术研究[J];无线互联科技;2019年22期

4 王昌玲;;大数据和数据挖掘技术在烟草行业的应用分析[J];科技风;2019年03期

5 赵泽君;蒋丽华;;数据挖掘技术及其法律问题研究[J];枣庄学院学报;2019年01期

6 鄢泽然;;大数据时代的数据挖掘技术与应用[J];现代营销(经营版);2019年02期

7 陈霞;;计算机数据挖掘技术的开发及其应用[J];现代营销(经营版);2019年02期

8 王玉清;;大数据背景下数据挖掘技术在公安侦查中的应用[J];科技传播;2019年02期

9 杨继武;;大数据时代背景下数据挖掘技术的应用[J];电子技术与软件工程;2019年02期

10 张晓红;;数据挖掘技术在电力行业客户关系管理中的应用[J];科技资讯;2018年32期

相关会议论文 前10条

1 牛锐;;浅析数据挖掘技术在烟草物流管理中的应用[A];中国烟草学会2016年度优秀论文汇编——电子商务与物流主题[C];2016年

2 张贵红;李芸洁;;大数据时代下数据挖掘技术在铸造企业中的应用[A];2017冶金企业管理创新论坛论文集[C];2017年

3 张亮;;大数据和数据挖掘技术在烟草行业的应用[A];浙江省烟草学会2014年学术年会论文暨信息技术专业委员会科技成果汇编[C];2014年

4 ;“数据挖掘技术交流研讨会”顺利召开[A];第31次全国计算机安全学术交流会论文集[C];2016年

5 陈力佳;;浅谈数据挖掘技术在信息系统审计中的实际运用[A];江苏省审计机关第三届青年审计论坛论文集[C];2009年

6 谢镇宇;;数据挖掘技术在烟叶信息化的应用[A];中国烟草学会2014年学术年会优秀论文汇编[C];2014年

7 谢湘宁;;浅谈数据挖掘技术应用在专利信息分析中的影响[A];全面提升服务能力，建设知识产权强国——2015年中华全国专利代理人协会年会第六届知识产权论坛优秀论文集[C];2015年

8 谢镇宇;;数据挖掘技术在烟叶信息化的应用[A];中国烟草学会2014年学术年会入选论文摘要汇编[C];2014年

9 陈树明;;大数据和数据挖掘技术在烟草行业的应用[A];中国烟草学会2014年学术年会入选论文摘要汇编[C];2014年

10 田瑞雪;唐维;;数据挖掘技术在国内图书馆应用研究的现状、挑战和展望[A];第十二届沈阳科学学术年会论文集（经管社科)[C];2015年

相关重要报纸文章 前10条

1 本报记者 张佳星;大数据挖掘技术创新 提升人岗匹配效率[N];科技日报;2019年

2 邹广普;数据挖掘技术在保险业中的应用[N];中国保险报;2010年

3 主持人 李禾;数据挖掘技术如何驱动经济车轮[N];科技日报;2007年

4 记者　吕贤如;大力加强数据挖掘技术研究应用[N];光明日报;2006年

5 ;IBM公司推出新型数据挖掘技术[N];中国高新技术产业导报;2001年

6 实习记者 许勇;数据挖掘技术应用对项目极具价值[N];中国黄金报;2016年

7 杨文灏;应用数据挖掘技术提升竞争力[N];中国城乡金融报;2010年

8 徐扬;如何从数据中“挤出”效益[N];中国计算机报;2002年

9 刘红岩、何军;利用数据挖掘技术获得商业智能[N];中国计算机报;2003年

10 陈晓 山西财经大学教师;数据挖掘技术在高校教学管理中的应用[N];山西经济日报;2010年

相关博士学位论文 前10条

1 周伟鹤;基于数据挖掘技术肺癌中医药治疗用药特点、规律总结及实验验证[D];山东大学;2018年

2 王霞;基于数据挖掘技术的肺癌风险评估与诊断及组织分型系统研究[D];郑州大学;2019年

3 王萍;基于数据挖掘技术的消费者行为研究[D];吉林大学;2004年

4 熊忠阳;面向商业智能的并行数据挖掘技术及应用研究[D];重庆大学;2004年

5 王勇;时序数据挖掘技术及其在水质预测中的应用研究[D];广东工业大学;2005年

6 佟强;科学数据网格中数据挖掘技术研究[D];中国科学院研究生院（计算技术研究所）;2006年

7 刘刚;数据挖掘技术与分类算法研究[D];中国人民解放军信息工程大学;2004年

8 王中;数据挖掘技术及其在证券领域的应用[D];天津大学;2005年

9 朱恒民;领域知识制导的数据挖掘技术及其在中药提取中的应用[D];南京航空航天大学;2006年

10 胡瑞飞;面向机械工程计算机测试系统的数据挖掘技术研究[D];四川大学;2006年

相关硕士学位论文 前10条

1 李邮;数据挖掘技术与会计伦理[D];上海交通大学;2017年

2 张妍;基于数据挖掘技术的高校优质生源基地评选方法研究[D];浙江师范大学;2019年

3 鲁玮;数据挖掘技术在高职学生心理健康数据中的应用研究[D];安徽大学;2019年

4 郭彩杏;数据挖掘技术在医疗诊断中的应用研究[D];重庆邮电大学;2019年

5 陈锦辉;基于数据挖掘技术的高校学生用户画像系统设计与实现[D];华南理工大学;2019年

6 王爱军;基于数据挖掘技术的经济责任审计的研究[D];南京邮电大学;2018年

7 宋佳;基于数据挖掘技术的某医院药品管理研究[D];内蒙古科技大学;2019年

8 李响;基于数据挖掘技术的农业院校大学生体能指标的相关性研究[D];吉林农业大学;2019年

9 李进讷;基于DSCAN优化算法与决策树优化算法的气象时空数据挖掘技术研究[D];云南大学;2018年

10 高贵康;数据挖掘技术在脱硫监测智慧环保系统中的应用研究[D];杭州电子科技大学;2016年

本文编号：2785875