高教数据的多维分析方法研究及应用

发布时间：2023-06-18 03:54

　　为了满足第三次产业革命对高素质人才的需求,具有人才培养主要职能的高校不断的探索人才培养模式,应用信息化技术辅助教学管理与教学改革,致使智慧校园建设进程加快。在高校信息化建设发展过程中,积累了大量数据,充分挖掘与利用这些数据提升教学管理是十分有意义的工作。目前针对高校数据的挖掘大多是通过关联规则挖掘算法实现的。然而,关联规则挖掘算法存在效率低、数据维度少、准确度不高的问题,为了提高算法的准确度和效率,本文提出了一种融合hash函数和标记事务压缩的HMApriori算法并在HMApriroi算法的基础上结合OLAP技术,提出多维关联规则挖掘的方法。具体研究内容如下:(1)提出了融合hash函数和标记事务压缩的HMApriori算法,解决了Apriori算法候选项集过多和冗余的缺点。本文在学生课程成绩数据集上对Apriori算法、HMApriori算法和其他改进算法进行了对比实验。实验表明,本文提出的HMApriori算法在候选2项集数量和时间上取得了明显的提升。(2)提出了结合HMApriori算法和联机分析处理(OLAP)技术的多维关联规则挖掘方法,使用该方法对学生个人信息、上网信息、图...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 主要研究工作
    1.4 论文的组织结构
第二章 相关理论与技术
    2.1 数据挖掘
    2.2 关联规则
    2.3 多维关联规则挖掘
    2.4 OLAP技术在关联规则中的应用
第三章 HMApriori算法的关联规则挖掘
    3.1 HMApriori算法
    3.2 HMApriori算法验证
    3.3 本章小结
第四章 融合HMApriori算法和OLAP的多维关联规则挖掘方法
    4.1 方法模型
    4.2 源数据
    4.3 数据立方体和OLAP引擎
    4.4 关联规则挖掘
    4.5 方法验证
    4.6 本章小结
第五章 学情分析系统设计与实现
    5.1 系统功能需求
    5.2 系统总体架构设计
    5.3 数据库设计
    5.4 系统功能设计
    5.5 系统实现
    5.6 系统测试
    5.7 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
个人简介
附件



本文编号：3834728