数据挖掘技术在高校教学评估中的应用研究

为解决只能取得单纯的有点片面的教学评估体系,提出了数据挖掘技术在教学评估中的应用研究,应用数据挖掘技术,重点利用关联规则方法中的Apriori算法,对学生的评教数据及教师档案数据进行数据挖掘工作,找出数据的内在规律,分析数据挖掘的结果,把这些规律运用到教学管理中,提高教学质量,提升学院的管理水平、使评估充分发挥对教学的指导作用。为学院的管理提供更多有价值的决策信息。     

基于数据挖掘技术的高校学生成绩管理研究

针对目前部分学生想当然认为上大学后就可以放松学习的心理以及不重视基础课程学习的现象,对数据库中学生的成绩信息进行挖掘,然后根据数据挖掘中的关联规则,提取隐含在各门课程之间的联系,以期寻找影响学生成绩好坏的潜在因素,而后根据这些因素建立成绩预警机制,从而为高校从事管理工作的人员以及高校教学改革更好地开展工作提供理论支持和科学依据。     

基于数据仓库的数据挖掘技术

从数据挖掘的产生出发到发展的各个分支 ,讨论了各种数据挖掘方法的特点和应用对象 ,介绍典型的算法 ,它们的优化改进和变形 ,并分析数据挖掘的将来面临的问题及发展方向     

基于数据仓库的数据挖掘技术

从数据挖掘的产生出发到发展的各个分支，讨论了各种数据挖掘方法的特点和应用对象，介绍典型的算法，它们的优化改进和变形，并分析数据挖掘的将来面临的问题及发展方向。     

基于关联规则的数据挖掘算法研究

数据挖掘中关联规则算法用途广泛,通过研究关联规则算法,对各关联算法进行分析、对比总结出各关联规则的适用领域,并对经典的关联规则算法进行了举例与性能分析。     

数据挖掘技术在研究生教育管理工作中的应用

针对研究生教育多年来积累的大量数据信息,引入数据挖掘技术中关联规则挖掘算法对研究生课程、学生计划、课程成绩等数据间的相关性和依存性进行挖掘,挖掘出的结果将为研究生课程体系设置提供有效的决策支持。数据挖掘技术的引入为研究生教育管理人员发现隐含在数据之间有价值的信息并将其应用于研究生教育管理工作之中提供一种科学高效的分析方法。     

基于遗传算法数据挖掘在教学管理中应用的实证研究

本文讨论如何把遗传算法应用于数据挖掘领域，并通过实例，尝试将其应用于教学管理中．实践证明算法是可靠的，可以得到数据库中具有较强预测能力的规则。     

数据挖掘在教学测评系统中的应用与研究

教学测评是教学管理过程中的重要环节。将数据挖掘运用于教学测评之中,可以提高教学评价技术水平。利用数据挖掘方法中的聚类分析和Apriori算法相结合,从而对测评系统数据进行关联规则挖掘。     

数据挖掘技术在辅修教学管理中的应用研究

辅修是本科教学中培养复合型人才的一项重要举措。通过对辅修教学管理的各个层面建立辅修教学调查指标体系,对采集到的数据进行预处理后利用数据挖掘技术如聚类算法中的k-中心点算法,关联规则中的Apriori算法等,挖掘出辅修教学各个层面之间的一些隐性规则,从而对辅修教学有一个全方位的了解和理性的分析,并能作出一些有意义的探索。     

数据挖掘在电信运营市场决策支持中的应用

本文在简要介绍了数据挖掘这一边缘新兴技术的基本概念和目前的研究进展的基础上,重点讨论了数据挖掘在电信领域的具体应用和它能为该领域带来的商业价值,研究了包括数据挖掘应用在内的电信企业信息系统的结构模型,并具体设计和实现了数据挖掘在电信市场研究中的一个应用.     

基于数据挖掘技术的高校教学管理信息化研究

高校教学管理数据挖掘的目标在于优化教学资源配置，提高资源利用效益，以利于跟踪监控教学工作状态与人才培养质量，探询、把握科研促进教学、影响教学的关系，为学校领导和管理人员进行科学决策提供支持依据。采用科学的数据挖掘技术与方法，对增进高校管理的智能强度具有重要现实意义，必将成为我国高校教学管理信息化和数字化校园建设工作下一阶段的努力目标和关键任务。     

一种基于XML的Web数据挖掘模式

互联网的广泛应用使Web数据挖掘成为当前数据挖掘研究的热点,而Web数据的结构却使对其所进行的数据控制十分复杂,XML的出现为Web数据挖掘技术提供了一个很好的入口。本文分析了XML文档的数据结构,提出一种经由HTML文档转换成XHTML并最终由XSL所决定的XML文档的Web数据挖掘模式。     

一种海量数据的分析技术 ——符号数据分析及应用

传统的统计分析方法在处理海量数据方面存在很大的局限性。为了解决这一问题,符号数据分析(symbolic data analysis, SDA)方法被提出并得到了迅速的发展。SDA方法对传统的数据概念做了本质性的扩张,运用‘数据打包’的理念,对海量的原始数据在不破坏其原有内在逻辑关系的前提下,可以进行变量和样本点空间的双重降维,并将传统的统计分析技术扩展到符号数据分析体系中。符号数据的方法体系是知识发现和数据管理领域的最新研究方向之一,目前在国内鲜有相关的研究资料。文章详细阐述了符号数据因素分析技术的原理和概念,并以中国股票市场为案例研究背景,结果表明,SDA因素分析技术对综合简化大规模多维数据系统是十分有效的。     

统计学专业本科生开设“数据挖掘”课程的探讨

"数据挖掘"是一门分析海量数据库的交叉学科,统计学专业开设这门课程十分必要。鉴于数据挖掘内容的复杂多样,本文提出应根据统计学专业本科生的特点制订合理的教学大纲、教学内容和教学方法,以提高学生的学习效率和学习热情。     

基于数据挖掘的高校人才科研能力综合评价方法研究

通过构建高校人才科研能力评价指标、设计联合聚类分析和关联分析算法的数据挖掘方法,对高校人才科研能力进行了数据挖掘分析。研究结果表明,所提方法能够很好地反映算例中某高校人才队伍学缘关系、骨干人才横向项目开发能力和科研能力差异化等主要问题,从而有针对性地提出了注重引进重点高校人才、加强骨干人才学术交流、设置具有针对性的激励政策等策略,这有利于高校人事部门制定科学的人才政策,促进高校整体科研水平的提升。     

基于统计分析的高校教师执教能力评价模型研究

通过收集教学督导评价数据,首先利用相关性分析来研究教师执教能力评价指标的构成,然后通过主成分分析的方法获得影响教师执教能力的主成分,以及各主成分构成的函数模型,并对它们做出合理解释。最后,借助各主成分的方差贡献率确定教师执教能力评价指标的权重系数,进而获得有效的评价模型。     

利用销售数据的商品影响关系挖掘研究

数据挖掘技术作为一种有效的决策工具正为企业做出科学决策提供依据。该文针对关联规则挖掘商品间相关性的不足,提出了一种新的计算方法利用销售商的商品销售数据挖掘商品之间的相关性及影响关系。该方法根据商品销售数据的变化得到所有商品销售数据的时间序列,然后计算测量序列的相似度,从而确定商品间影响关系。实验证明了该方法的有效性,同时得到了一些有价值的结果,可用于指导具体商业实践。     

FP-array在计算机犯罪挖掘中的应用

针对现代社会计算机犯罪中电子证据的收集难度很大,且海量的电子证据之间的相关性不易分析的问题,对基于FP-Tree的最大频繁模式(FP-Max)挖掘算法的优缺点进行了分析,根据FP-Max算法所存在的缺点并结合实际提出一种通过构建FP矩阵的FP-array的高性能关联规则挖掘算法,并将该算法用于典型的计算机犯罪电子证据的相关性数据挖掘中,可用于成功地挖掘比较常见的五类计算机犯罪数据,挖掘结果可为实际的破案过程提供重要参考。