数据挖掘在研究生培养管理系统中的应用

-精选财经经济类资料- -最新财经经济资料-感谢阅读- 1 数据挖掘在研究生培养管理系统中 的应用 【摘 要】 文章主要研究了数据 挖掘在研究生管理系统中的应用问题。 以西安理工大学为例，运用关联规则方 法分析了该校研究生学位课加权成绩、 开题效果与毕业时所取得成果之间的联 系，为研究生管理部门和导师提供决策 依据，制定有效的研究生培养方案，以 提高研究生培养质量。 中国论文网 /4/view-12669538.htm 【关键词】 研究生培养；数据 挖掘；关联规则 随着数据库技术的迅速发展以及 数据库管理系统的广泛应用，高校研究 生培养管理信息系统已经成为高校研究 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 2 生培养的核心系统。但大多数研究生培 养管理系统都停留在第一代信息系统， 功能只是简单地在线数据处理（OLTP） ， 缺乏综合分析、辅助决策的能力。然而， 这些数据相互间存在一定的联系，也隐 含着一些重要的信息。这就需要将数据 挖掘技术应用于研究生培养管理系统中， 使其在完成研究生日常管理工作的同时， 能对系统中积累的海量信息进行多层次、 多角度的分析，挖掘出数据中隐含的规 律，为研究生培养工作提供有效的决策 支持服务，提高研究生培养质量，实现 未来研究生教育工作的预测和管理战略 的制定。 一、数据挖掘 1、数据挖掘概述 数据挖掘（Data Mining， DM） 就是从大量的、不完全的、有噪声的、 模糊的、随机的实际应用数据中，提取 隐含在其中的、人们事先不知道的、但 又是潜在有用的信息和知识的过程，它 能高度自动化地分析原有数据，作出归 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 3 纳性推理，从中挖掘出潜在的模式，从 而帮助决策者调整策略， 作出正确的 决策。简单地说，数据挖掘就是从大量 数据中提取或“ 挖掘” 知识，又被称为从 数据库中发现知识（KDD） 。 知识发现的数据分析过程可以分 成数据准备、数据挖掘、结果表述与评 价三个阶段。数据准备阶段是从相关的 数据源中选取所需的数据并整合成用于 数据挖掘的数据集；1数据挖掘阶段主 要是选定合适的挖掘算法，对数据进行 分析，找出数据集中所含的规律；结果 表述与评价阶段是把数据挖掘阶段所得 出的知识进行描述并根据已有的知识对 结果进行合理性分析，若有不合理的方 面，再重复上述步骤。 2、关联规则分析 数据挖掘主要包括分类分析、聚 类分析、关联规则挖掘、序列数据挖掘 和孤立点检测等，其中关联规则是一种 重要的数据挖掘技术， 其目的是寻找 数据项中的有趣联系，决定哪些事情将 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 4 一起发生。 关联规则是形如 XY 的蕴涵式， 其中，X 和 Y 分别称为关联规则的先导 和后继。假设是项的集合。给定一个交 易数据库 D，其中每个事务 T（Transaction）是 I 的非空子集，即， 每一个交易都与一个唯一的标识符 TID（Transaction ID）对应。关联规则 在 D 中的支持度（support）是 D 中事 务同时包含 X、Y 的百分比，即概率； 置信度（confidence ）是 D 中事务已经 包含 X 的情况下，包含 Y 的百分比， 即条件概率。如果满足最小支持度阈值 和最小置信度阈值，则认为关联规则是 有趣的。这些阈值是根据挖掘需要人为 设定的。 关联规则分为两种：布尔型关联 规则和多值型关联规则。当前的关联规 则主要研究的是基于事务型数据库的布 尔型关联规则挖掘， 其中 Apriori 算 法是最经典的挖掘布尔关联规则频繁项 集的算法。该算法利用一个层次顺序搜 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 5 索的循环方法来完成频繁项集的挖掘工 作。其核心是基于两阶段频繁项集思想 的递推算法。该关联规则在分类上属于 单维、单层、布尔关联规则。在这里， 所有支持度大于最小支持度的项集称为 频繁项集，简称频集。Apriori 算法的基 本思想是：首先找出所有的频集，这些 项集出现的频繁性至少和预定义的最小 支持度一样。然后由频集产生强关联规 则，这些规则必须满足最小支持度和最 小置信度。然后使用第一步找到的频集 产生期望的规则，产生只包含集合项的 所有规则，其中每一条规则的右部只有 一项。一旦这些规则被生成，那么只有 那些大于用户给定的最小置信度的规则 才被留下来。算法使用递归的方法生成 所有频集。 二、数据挖掘在研究生教学数据 中的应用实例 本文以理工大研究生管理为例， 选取 2011 级控制科学与工程学科学生 成绩、开题结果、毕业成果等数据，运 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 6 用数据挖掘算法中的关联规则分析算法， 对研究生的学位课加权平均成绩和开题 结果进行分析，得到其与毕业成果之间 潜在的规则，为研究生的培养工作提供 辅助决策依据。 1、数据离散化 如上所述，本文将采用 Aprior 算 法来进行关联分析，但该算法有两大缺 点，一是可能产生大量的候选集，二是 可能需要重复扫描数据库。为提高算法 效率，我们可以先对数据进行预处理， 将其离散化，用少数区间标记替换连续 属性的数值，这样可以减少和简化原始 数据，使挖掘结果简洁，易于使用。 该例中需要三类基础数据，分别 为 2011 级控制科学与工程学科学生学 位课加权平均分、开题结果以及在毕业 时所取得的所有成果。对于学位课加权 平均分，因我校规定必须 70 分以上才 能开题，所以我们将 70-100 分划分 4 个档次（A，B，C ，D ） 。其中，85 分 以上为 A，80-85 分为 B，75-79 分为 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 7 C，70-75 分为 D。对于开题结果数据本 身只有 3 个等级：良好、通过、未通过 需再次开题，分别可以用 A，B，C 代 替。对于毕业前所取得的成果，我们以 0 分为基础，每取得校级奖项得 1 分， 省级奖项得 2 分，国家级奖项得 3 分， 奖学金获得情况同上，同时参考学生参 加我校研究生学术论坛，获得优秀论文 情况以及陕西省研究生创新成果展等信 息，将该类数据离散化为：A（成果优 秀） ，B （成果良好） ，C （无成果） 。上 述数据均可以从研究生管理系统中提取， 并依托数据库自动按要求将数据离散， 为数据挖掘系统提供集成的数据源，提 取后的数据表见下图 1 所示： 2、算法实现 数值型数据离散化后就可以进行 关联规则挖掘了。通过对学生成绩和开 题结果与毕业成果数据关联分析，得出 有利于培养优秀学生的有用信息。同时 对较差学生给予预警，加强培养，提高 其学术水平。 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 8 本文设定支持度=15%，置信度 =25%，挖掘出如表 2 所示的参考规则。 如规则 1 的含义是如果学生学位课成绩 高，同时开题结果优秀那么该生毕业时 取得的成果较多；规则 2 和 3 说明如果 学生的学位课成绩和开题结果有一个表 现优秀，那么毕业时也能取得一定的成 果；而规则 6 则表明如果学生学位课成 绩过低，开题也不认真，那么毕业时无 法取得成果。通过设置不同的支持度阀 值和置信度阀值，可以得到不同的关联 规则。数据挖掘的结果在实际中不一定 存在必然的联系，我们要结合实际情况 对得到的关联规则加以分析，并在新数 据集中检验，对规则库加以调整，选择 那些真正能够指导我们实际工作的关联 规则加以运用，为决策工作提供辅助支 持1。例如：表 2 中的规则 4 表示学生 成绩一般，开题结果一般，但毕业成果 良好，与我们前述规则不符，但通过进 一步分析，发现这些成果均属于社会活 动或学生干部所得，应看到学生参与过 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 9 多社会活动会影响学术研究但也能取得 一些其他成果。 3、结果分析 通过上述规则的分析，作为管理 部门主要在学生培养的两个阶段读取数 据来适当调整学生培养方案。第一阶段 为学生课程学习结束后，根据学生学位 课加权平均分来进行调整，对于成绩高 的学生应给予鼓励，锻炼其实践能力， 争取在开题阶段取得良好成绩，最终成 为优秀毕业生。对于成绩过低的学生， 督促其认真对待开题，争取在开题阶段 弥补与其他学生差距，最终顺利毕业。 第二阶段为学生开题后，大力培养各项 成绩优秀的学生，紧抓成绩良好的学生， 监督成绩较差的学生。对于参加社会活 动过多的学生，需要导师因势利导，在 研究生学习和参与社会活动中找到平衡， 提高学生培养质量。最终保证每个学生 的培养方案合理有效，毕业时都能取得 一定的成果。 三、结语 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 10 学生培养质量的提高代表着学生 质量的提高，质量的提高也就意味着就 业率的提高。近年来，我校通过数据挖 掘技术的应用，合理分析学生各类数据 信息，根据实际微调学生培养方案，使 得学生学术水平及科研能力不断提高， 取得一定的科研成果和各类奖项。保证 学生在就业时具有较强的竞争优势。由 此，理工大研究生每年就业率均达到 80%以 上，并