高考志愿与录取的匹配度分析与优化技术研究

发布时间：2020-07-16 03:06

【摘要】：随着信息技术的快速发展,新兴专家系统早已渗入志愿填报指导领域。志愿填报与录取专家系统是一种能主动“找到人”、“服务人”的个性化推荐系统,广泛应用于分数线预测、院校推荐及专业推荐领域中。经调查研究发现,部分推荐算法及系统存在弊端,如考生偏好考虑不充分、系统数据不全面、推荐院校专业不合理等,无法为考生提供科学的志愿填报推荐方案。高考考生填报与录取专业不一致,“高分低就”、“专业错位”等现象还尚未解决,影响着考生个人未来发展,造成教育资源的浪费。从爬虫爬取的省招生考试院高考数据入手,建立考生志愿数据仓库。以MBTI人格类型及霍兰德职业兴趣为理论依据,结合高校专业特点和职业规划要求,实现人格类型与专业相结合、职业兴趣与职业类别相结合,通过人格特征与职业兴趣测试,进行匹配,实现专业领域推荐方案,实现“找到人”的目标。采用数据挖掘技术对考生志愿进行挖掘分析,对多种算法进行研究改进,实现“服务人”目标。针对高考政策革新,志愿填报属性激增这一问题,收集整理影响分数线预测结果的因子,在此基础上对人工神经网络模型不断进行参数调优。采用经验优先策略生成决策树,提高稀少样本的精度,建立评估院校最低分数线预测精度的模型。利用基于改进的K-means算法设计出院校分类的分析器,针对K-means算法的簇心选取策略不同聚类结果不同这一特点,引入最小生成树算法,实现初始聚类中心最优选取,提高了算法结果的准确度。设计专业单元格集合,在此基础上利用网格类型的DBSCAN算法,生成专业类型聚类分析结果,减少了算法迭代时间,提高了算法的效率。志愿填报与录取专家系统的设计,实现了专业倾向推荐、职业选择推荐、高校填报推荐等个性化专家推荐。有利于指导考生进行科学的志愿填报,有利于以“以人为本”志愿填报机制的构建,有利于高等教育资源的合理分配,有利于高校招生考试制度“多元化评价”和“多样化选拔”重要目标的实现。
【学位授予单位】：青岛科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：G632.474;TP391.3
【图文】：

流程分析,数据仓库,基本特点

图 2-1 数据采集及处理流程分析Fig.2-1 Data acquisition and processing flow analysis2.2 数据仓库技术2.2.1 数据仓库特征1991 年，W.H.Inmon[22]提出的数据仓库概念最为人接受，如今人们对数据仓库的理解已上升至多角度。数据仓库得以广泛应用的主要优势在于提出两种不同的数据处理类型：操作型数据处理和分析型数据处理[23]。在实际应用中，区分使用这两种数据处理类型形成 DB-DW 的主要结构[24]。数据仓库之所以同传统数据库区分开，还在于数据仓库具有使用的四大基本特点。表 2-4 数据仓库四大基本特点Tab.2-4 Four Basic Characteristics of Data Warehouse

数据仓库体系结构

高考志愿与录取的匹配度分析与优化技术研究2 数据仓库的体系结构为使数据仓库的设计、建立及应用管理简单化，提出数据仓库体系结构。首先集成来自不同数据库的数据源信息，进一步按主题将数据进行分类和组合处理不修改数据仓库中的数据，该数据主要用于分析型处理。数据仓库体系结构按可分为三类：数据源层、数据存储和管理层、数据分析工具层[25]。

体系结构图,体系结构,多维数据

图 2-3 OLAP 体系结构Fig.2-3 OLAPArchitecture（1）数据源。OLAP 的主要数据源来自数据仓库。（2）OLAP 服务器。操作和支持多维数据集结构，为多用户提供数据处理和高能引擎。（3）OLAP 客户机及客户端应用软件。OLAP 服务器的数据切片由 OLAP 客户以多维形式显示，可供用户利用软件对数据进行复杂的计算操作。OLAP 主要用于数据仓库中复杂的分析操作。可根据决策需求进行快速而又灵的数据查询处理，最终以简单、易读的形式将数据操作结果展现给分析人员。.2 OLAP 的分析方法OLAP 通过操作多维数据实现数据分析。OLAP 数据分析手段简单、灵活，广应用于决策管理领域。数据

【相似文献】