论文部分内容阅读
本文通过在学生信息管理系统中的具体实践和运用，对多维关联规则数据挖掘技术进行了探索，实现了基于多维频繁项集进行多维关联规则数据挖掘的一种实用高效的方法，并建立了一个高效的学生信息关联规则挖掘系统。 对于群体的特征与行为的数据挖掘是关联规则挖掘的一种重要的也是复杂的挖掘方向。例如在学生系统中的学生个体自然信息与他们的选课行为倾向之间的关联倾向，商业领域中的顾客基本信息与购买倾向也属于这类情况。许多通用的数据挖掘工具，基于对更通用的挖掘需要的考虑，而没有能对上述的挖掘需求给予足够的满足。 本文中基于多维的频繁项集的挖掘算法主要分为两个步骤。第一步是对群体特征进行维间关联规则挖掘，本文中借助数据立方体工具实现这一过程。第二步是求基于多维的频繁项集的算法的实现及关联规则生成。这时需要以第一步生成的多维规则结果为约束条件，对群体行为的关联倾向进行挖掘。本文中对基于多维的频繁项集的算法进行了探索和算法优化，尤其是通过采用了维搜索和散列的技术方法而使得系统的挖掘性能大大提高。 同时通过在学生信息系统中的具体挖掘实践，也得到了许多有价值的信息，这些知识在帮助校方更好地进行学生的培养、对学生表现情况的掌握以及课程的安排等方面无疑具有重要的指导意义。 兴趣度是关联规则挖掘中经常要考虑的一个问题。本文通过相关度的概念对含有负属性项的关联规则生成方法进行了探索，并给出了相应算法。