论文部分内容阅读
本文介绍了数据挖掘的相关概念,探讨了数据挖掘技术及其挖掘算法,重点研究决策树方法及其改进算法、关联规则挖掘算法及其在教学质量评估系统中的应用。通过对南京财经大学本科生的评教数据和部分教师的档案数据进行数据挖掘,利用关联规则挖掘算法挖掘影响教学质量的关键因素,并对挖掘结果进行了分析,验证其有效性。 本文结合教学质量评估中的实际数据,研究分析了决策树方法中ID3算法的实现过程。对于关联规则挖掘算法中的经典算法——Apriori算法进行了详细描述,给出了全部伪代码。结合参考文献给出的生成关联规则的方法以及由频繁k-1项集生成候选k项集的方法,提出了首先生成规则的前件再去找出规则的后件、从而生成相应的关联规则的算法,并在教学质量评估数据挖掘模块中成功实现了该算法。 本文探讨了教学质量评估数据挖掘系统的实现方法,给出了基于SQL Server的两种数据挖掘的解决方案。第一种方案,将原始数据经过清理后导入SQL Server 2000,构建相应的数据仓库,然后调用SQL Server分析服务模块所提供的数据挖掘算法来构建数据挖掘模型。第二种方案,采用VB6.0编制实现Apriori算法的数据挖掘模块,数据源与挖掘结果均保存在SQL Server中。该数据挖掘模块既可单独被用户调用,也可以通过修改注册表的方法,将其外挂于SQL Server中,与SQL Server分析服务模块一起供用户直接调用。 南京财经大学教学质量评估系统目前正处于开发调试中,学生网上评教系统是其主要的子系统,学生将通过校园网对各任课教师的教学质量进行评价。作为教学质量评估系统的另一子系统——教学质量评估数据挖掘系统,其主要功能是对学生的评教数据及教师档案数据进行数据挖掘工作,采用数据仓库作为学生评教数据的组织工具,使用决策树方法和关联规则算法进行数据挖掘。本文给出了教学质量评估数据挖掘系统的软件框架,并使用相关数据进行了关联规则算法的实验,对结果进行了初步分析。