一种改进Apriori算法在移动平台教学评价中的应用研究

摘要

信息技术的飞速发展促使数据大量增加与积累，与此同时也促进了数据库技术的发展，当今数据挖掘技术已深入到社会中的各个领域。数据挖掘技术可以对数据进行异常检测、分类预测、关联规则挖掘、聚类分析等。其中关联规则技术能从大量的数据中挖掘频繁模式，根据这些规则分析出潜在的有价值的信息。教学评价是高校教学质量监督的一个重要手段，如今在各个高校已经得到了普及，但教学评价数据没有得到充分的利用，且评价方式单一。
　　本文分别在数据挖掘以及关联规则中的经典算法Apriori进行了详细的介绍，描述算法的思想、实现过程以及算法所存在的不足。针对存在的缺陷，在分析前人改进的思想与方法，以及结合移动平台教学评价特征的基础上，对原经典Apriori算法进行了改进。改进后只需扫描一次原始数据库，对各个频繁项集所属事务进行存储，并将这些集合存储在新增的数据库中。因此，对自连接生成候选项集计数时，只需求候选项集的子集中存储的所属事务集合的交集，即可得到该候选项集的支持数。改进后的算法减少了对原始数据库的扫描次数，压缩了扫描的范围，从而提高了算法的效率。
　　现今智能手机已成为我们日常生活的重要部分，为顺应时代发展，设计一种基于移动平台的教学评价系统成为了需求。在开展了高校师生对教学评价系统的需求调查后，对基于移动平台的教学评价系统进行需求分析和设计，并在Android平台上进行实现，完善教学评价系统的评价模式。基于移动平台的教学评价系统一方面满足了全校师生的需求，提供极大的便利，因此也能大大的提高参评率，使得数据更加全面、完整。
　　本研究在基于移动平台的教学评价环境的基础上，将收集到的教学评价数据进行预处理，利用改进后的Apriori算法对评价数据进行挖掘。通过对挖掘结果进行分析和总结，得到潜在于数据背后的信息，这些重要信息将成为提高高校教学质量的重要依据。

目录

1 绪论

1.1研究背景

1.2 研究目的及意义

1.3国内外研究现状

1.4 研究内容及组织结构

2 基础理论知识及关键技术

2.1 数据挖掘

2.2教学评价概述

2.3 Android开发技术

2.4 本章小结

3 基于移动平台的教学评价系统的设计与实现

3.1 需求分析

3.2 教学评价系统总体设计

3.3 数据库设计

3.4 基于移动平台的教学评价系统的实现

3.5 本章小结

4 Apriori算法的改进

4.1 Apriori算法的分析

4.2 算法改进方法

4.3 算法改进描述

4.4 改进算法性能分析

4.5 本章小结

5 改进的Apriori算法在基于移动教学评价中的应用

5.1 数据预处理

5.2 关联规则挖掘

5.3 挖掘结果分析

5.4 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

附录A：作者攻读硕士学位期间发表论文及科研情况

致谢

声明