决策树和关联规则技术在高职院校招生工作中的应用研究

摘要

近年来，随着国家对职业教育的扶持力度不断加大，职业院校的规模迅速扩张，致使职业院校之间的竞争愈加激烈。在如此激烈的竞争中，各个职业院校要想占有一席之地就必须提高新生的报到率以及获得更多的优质生源。目前，一些院校建立了招生信息系统，希望借助于信息化的平台为招生工作提供帮助。但是在这些招生系统中，大部分仅是完成了信息统计和存储的功能，并不能解决实际的问题。而数据挖掘技术的出现，可以将存在于生源信息之间有价值的规律挖掘出来，找到影响学生报到率和生源质量优劣的因素，从而为学校的管理者科学的指导招生宣传工作、合理的制定招生政策提供帮助。
　　本文从招生工作的实际出发，通过应用决策树和关联规则算法对学生的录取信息进行挖掘，分析研究影响学生报到率的因素。论文所完成的主要工作如下:
　　1、研究探讨了数据挖掘的基础知识以及数据挖掘技术中的决策树和关联规则算法，并分别选取决策树算法中的ID3算法、C4.5算法和关联规则算法中的Apriori算法进一步研究分析，比较不同算法之间的差异。
　　2、结合实际工作，对高职院校生源存档数据按照数据挖掘工作的要求进行数据预处理，保证后面的数据挖掘工作更高效、更可靠。
　　3、对高职院校生源存档数据集分别运用C4.5算法和Apriori算法进行数据挖掘，并在WEKA平台上实现相关算法，得出相关规则和结论。通过对数据集使用上述两种不同的数据挖掘方法，可以分析研究存在于两种算法间的相关性、差异性，归纳出更符合实际需求的规则，从而为日后的招生工作提供帮助。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 数据挖掘技术国内外研究现状

1．3 论文的研究内容及组织结构

2 数据挖掘相关理论技术

2．1 数据挖掘技术的产生与发展

2．2 数据挖掘的过程和步骤

2．3 数据挖掘的功能和方法

2．4 数据挖掘的应用

3 数据挖掘算法和挖掘工具介绍

3．1 决策树

3．1．1 决策树的概念

3．1．2 决策树的构建过程

3．1．3 决策树生成分类规则

3．1．4 常用的决策树算法

3．2 关联规则

3．2．1 关联规则的概念

3．2．2 关联规则挖掘分类

3．2．3 Apriori算法

3．3 常用的挖掘工具介绍

4 高职院校招生数据分析及预处理

4．1 问题的提出

4．2 招生数据来源

4．3 招生信息数据预处理

4．3．1 数据清理与集成

4．3．2 数据规约

4．3．3 数据变换

5 数据挖掘算法在招生情况分析中的具体应用

5．1 影响录取学生报到因素的决策树模型的建立

5．1．1 挖掘算法的选择

5．1．2 决策树的实现

5．1．3 使用WEKA进行决策树的实现

5．1．4 决策树规则提取

5．1．5 结果分析

5．2 基于关联规则的招生情况分析

5．2．1 挖掘算法的选择

5．2．2 使用WEKA进行Apriori算法的实现

5．2．3 结果分析

5．3 综合比较分析

6 总结与展望

6．1 总结

6．2 展望

参考文献

个人简历、在学期间发表的学术论文与研究成果

致谢