基于归纳学习的数据挖掘技术在高校教学研究中的应用

摘要

人类社会已经进入信息时代，随着数据库技术的成熟和数据应用的普及，人类积累的数据量正在以指数速度迅速增长，数据挖掘(Data Mining)技术现在已经成为信息技术应用领域研究的焦点。数据挖掘是从大量的、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。它融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。 由于高校招生人数的扩大，导致学生的能力参差不齐。努力提高学生学习成绩是每一所高校的目标，影响学生的学习成绩的因素很多。传统的学生学习成绩分析无非是得到均值、方差、区别显著性检验、信度、效度等，往往还是基于教学本身来考虑。其实在教学中还有一些不易察觉的因素隐含其中，何况还有教学以外的因素影响学生学习成绩，这些都是需要进一步分析。 本文列举了经典的决策树算法-ID3算法的应用实例，并结合属性选择标准等知识提出了改进的ID3算法。并将该方法应用到了高校学生成绩的数据挖掘中，通过此方法对学生某门课的成绩进行了情况分类，并对得到的结果进行分析，得出了影响学生成绩的内部原因以及其它一些原因。通过将改进的ID3算法与经典ID3算法构造的决策树进行比较，我们发现改进算法的决策树更加简洁、更接近于理想的决策树。根据决策树中反映的信息来制定相应的措施，保证学生能够更加轻松愉快的获取知识，使教学呈现出多元化的特点，为提高教育教学质量打下坚实的基础。

目录

文摘

英文文摘

声明

第1章绪论

1.1研究背景及意义

1.2数据挖掘和决策树的研究现状

1.3本文的主要研究内容

1.4论文组织结构

第2章数据挖掘知识概述

2.1数据挖掘的概念

2.2数据挖掘的相关技术

2.2.1归纳学习法

2.2.2统计分析方法

2.2.3仿生物技术

2.2.4可视化技术

2.3数据挖掘的主要任务

2.3.1数据总结

2.3.2分类

2.3.3预测

2.3.4关联分析

2.3.5聚类

2.4数据挖掘的应用领域

2.5本章小结

第3章决策树算法与标准ID3算法的研究

3.1决策树算法概述

3.2标准ID3算法的研究

3.2.1 ID3算法的基本思想

3.2.2ID3算法的数学表示形式

3.2.3 ID3算法的具体描述

3.3 ID3算法的评估分析

3.4本章小结

第4章决策树剪枝算法与ID3改进算法的研究

4.1研究简化决策树算法的原因

4.2决策树剪枝算法的研究

4.2.1预剪枝算法(pre-pruning)

4.2.2后剪枝算法

4.2.3修改测试属性空间剪枝算法

4.2.4改进属性选择标准

4.2.5改变数据结构

4.3基于泰勒公式的改进ID3算法

4.3.1算法改进的理论基础

4.3.2 ID3算法的改进过程

4.4实验验证

4.5本章小结

第5章数据挖掘技术在高校教学研究中的应用

5.1问题的提出

5.2解决方案的研究

5.3解决方案的具体实施过程

5.3.1确定数据挖掘对象及目标

5.3.2分类方法的选定

5.3.3数据采集

5.3.4改进ID3算法的实现与应用

5.3.5学生基本信息的分类规则

5.4本章小结

结论

参考文献

个人简历

致谢