數據挖掘技術在高校招生工作中的應用.pdf

1、隨著數據庫技術的迅速發(fā)展以及數據庫管理系統(tǒng)的廣泛應用,各行各業(yè)積累了大量的歷史數據,而這些激增的歷史數據中往往隱藏著很多重要的信息。如何從歷史數據中及時發(fā)現有用的知識,從而挖掘出其潛在的價值,提高其利用率,是信息處理技術研究領域的一項重要課題。作為其解決方案,近年來數據挖掘(DataMining, DM)技術迅速崛起。 數據挖掘是目前信息領域和數據庫技術的前沿研究課題,被公認為最具發(fā)展前景的關鍵技術之一。數據挖掘涉及到數理統(tǒng)計、

2、模糊理論、神經網絡和人工智能等多種技術,技術含量比較高,實現難度也較大。 本文以數據挖掘技術的研究作為核心,深入研究了關聯規(guī)則和聚類分析技術。關聯規(guī)則及聚類分析作為數據挖掘的兩個重要方法,有著可理解性強、簡潔性好、應用范圍廣等優(yōu)點。本文探討了這兩種挖掘算法實現中的各項技術,以及它們在現實系統(tǒng)中的應用。 在任何一所高校中,往往都積累有大量學生的入學信息、畢業(yè)生信息和在校期間的成績等資料。如果能對這些數據進行關聯規(guī)則和聚類分

3、析的挖掘,尋找出考生的各種因素與學生在校期間成績以及畢業(yè)信息之間的關聯關系,研究考生生源特征與培養(yǎng)之間的關系,進而能指導學校的招生和就業(yè)等工作。 本文以北京第二外國語學院的學生數據為背景,通過大量的數據預處理工作,應用關聯規(guī)則的FP-growth算法及基于圖論的METIS聚類算法對上述數據進行了數據挖掘,最終挖掘到有一定價值的信息。 本文所做的工作主要如下： 1、論述了數據挖掘的基本理論、相關技術： 2、

4、討論了關聯規(guī)則的Apriori算法及其改進算法FP-tree及FP-growth算法； 3、討論了聚類分析的幾類方法； 4、在高校學生數據庫中實現了關聯規(guī)則挖掘及聚類分析。具體工作包括：應用實例的分析、從原始數據收集到數據的預處理的實現、以及關系數據庫到適合挖掘的數據轉換；實現了利用FP-tree及FP-growth算法尋找頻繁項集、輸出挖掘到的關聯規(guī)則；實現了應用聚類分析的基于圖論的方法對學生數據進行聚類,輸出聚類的結