1、软件工程专业优秀论文 数据挖掘技术在学生考评分析中的应用研究关键词：数据挖掘 学生考评 成绩分析 聚类分析算法 关联规则摘要：随着高校办学规模的扩展，在校学生人数的增加，学生的相关数据急剧膨胀，学生考评数据分布越来越复杂，除了传统的学生成绩分析得到的一些简单结论外，还有一些不易察觉的信息隐含在其中，因而论文把数据挖掘技术引入到学生考评分析中，希望找到影响学生素质的真实原因。 本文首先在对数据挖掘知识透彻理解的基础上，着重阐述了 Apriori 算法和 kmeans 聚类分析算法；然后建立基于学生考评的数据库，最后实现 Apriori 算法和 kmeans 聚类分析算法，并把实现的算法应用于所建
2、立的学生考评数据库中进行挖掘研究。学校可以利用 Apriori 关联规则所揭示的学生在学习中学科之间的相关性，适当组合学科课程，使相关学科互相促进共同提高，引导学生从强势学科入手，提高相对较弱的学科，最终使学生在学业上均衡发展；利用 Apriori 关联规则发现的学生培养模式，合理设计课程开设和学生第二课堂活动的安排次序；另外，还可以利用学生考评数据库对学生进行 kmeans 聚类分析。最终为学生树立起一个导向性目标，激励学生努力地朝着这个目标靠近，从而提高自身素质；并且可以为高校在学生培养工作的开展与改进方面提供有效的指导和帮助，提高学校办学质量。正文内容随着高校办学规模的扩展，在校学生人数
3、的增加，学生的相关数据急剧膨胀，学生考评数据分布越来越复杂，除了传统的学生成绩分析得到的一些简单结论外，还有一些不易察觉的信息隐含在其中，因而论文把数据挖掘技术引入到学生考评分析中，希望找到影响学生素质的真实原因。 本文首先在对数据挖掘知识透彻理解的基础上，着重阐述了 Apriori 算法和 kmeans 聚类分析算法；然后建立基于学生考评的数据库，最后实现 Apriori 算法和 kmeans 聚类分析算法，并把实现的算法应用于所建立的学生考评数据库中进行挖掘研究。 学校可以利用 Apriori 关联规则所揭示的学生在学习中学科之间的相关性，适当组合学科课程，使相关学科互相促进共同提高，引导
4、学生从强势学科入手，提高相对较弱的学科，最终使学生在学业上均衡发展；利用 Apriori 关联规则发现的学生培养模式，合理设计课程开设和学生第二课堂活动的安排次序；另外，还可以利用学生考评数据库对学生进行 kmeans 聚类分析。最终为学生树立起一个导向性目标，激励学生努力地朝着这个目标靠近，从而提高自身素质；并且可以为高校在学生培养工作的开展与改进方面提供有效的指导和帮助，提高学校办学质量。随着高校办学规模的扩展，在校学生人数的增加，学生的相关数据急剧膨胀，学生考评数据分布越来越复杂，除了传统的学生成绩分析得到的一些简单结论外，还有一些不易察觉的信息隐含在其中，因而论文把数据挖掘技术引入到学
5、生考评分析中，希望找到影响学生素质的真实原因。 本文首先在对数据挖掘知识透彻理解的基础上，着重阐述了 Apriori 算法和 kmeans 聚类分析算法；然后建立基于学生考评的数据库，最后实现 Apriori 算法和 kmeans 聚类分析算法，并把实现的算法应用于所建立的学生考评数据库中进行挖掘研究。 学校可以利用 Apriori 关联规则所揭示的学生在学习中学科之间的相关性，适当组合学科课程，使相关学科互相促进共同提高，引导学生从强势学科入手，提高相对较弱的学科，最终使学生在学业上均衡发展；利用 Apriori 关联规则发现的学生培养模式，合理设计课程开设和学生第二课堂活动的安排次序；另外
6、，还可以利用学生考评数据库对学生进行 kmeans 聚类分析。最终为学生树立起一个导向性目标，激励学生努力地朝着这个目标靠近，从而提高自身素质；并且可以为高校在学生培养工作的开展与改进方面提供有效的指导和帮助，提高学校办学质量。随着高校办学规模的扩展，在校学生人数的增加，学生的相关数据急剧膨胀，学生考评数据分布越来越复杂，除了传统的学生成绩分析得到的一些简单结论外，还有一些不易察觉的信息隐含在其中，因而论文把数据挖掘技术引入到学生考评分析中，希望找到影响学生素质的真实原因。 本文首先在对数据挖掘知识透彻理解的基础上，着重阐述了 Apriori 算法和 kmeans 聚类分析算法；然后建立基于学
7、生考评的数据库，最后实现 Apriori 算法和 kmeans 聚类分析算法，并把实现的算法应用于所建立的学生考评数据库中进行挖掘研究。 学校可以利用 Apriori 关联规则所揭示的学生在学习中学科之间的相关性，适当组合学科课程，使相关学科互相促进共同提高，引导学生从强势学科入手，提高相对较弱的学科，最终使学生在学业上均衡发展；利用 Apriori 关联规则发现的学生培养模式，合理设计课程开设和学生第二课堂活动的安排次序；另外，还可以利用学生考评数据库对学生进行 kmeans 聚类分析。最终为学生树立起一个导向性目标，激励学生努力地朝着这个目标靠近，从而提高自身素质；并且可以为高校在学生培养
8、工作的开展与改进方面提供有效的指导和帮助，提高学校办学质量。随着高校办学规模的扩展，在校学生人数的增加，学生的相关数据急剧膨胀，学生考评数据分布越来越复杂，除了传统的学生成绩分析得到的一些简单结论外，还有一些不易察觉的信息隐含在其中，因而论文把数据挖掘技术引入到学生考评分析中，希望找到影响学生素质的真实原因。 本文首先在对数据挖掘知识透彻理解的基础上，着重阐述了 Apriori 算法和 kmeans 聚类分析算法；然后建立基于学生考评的数据库，最后实现 Apriori 算法和 kmeans 聚类分析算法，并把实现的算法应用于所建立的学生考评数据库中进行挖掘研究。 学校可以利用 Apriori
9、关联规则所揭示的学生在学习中学科之间的相关性，适当组合学科课程，使相关学科互相促进共同提高，引导学生从强势学科入手，提高相对较弱的学科，最终使学生在学业上均衡发展；利用 Apriori 关联规则发现的学生培养模式，合理设计课程开设和学生第二课堂活动的安排次序；另外，还可以利用学生考评数据库对学生进行 kmeans 聚类分析。最终为学生树立起一个导向性目标，激励学生努力地朝着这个目标靠近，从而提高自身素质；并且可以为高校在学生培养工作的开展与改进方面提供有效的指导和帮助，提高学校办学质量。随着高校办学规模的扩展，在校学生人数的增加，学生的相关数据急剧膨胀，学生考评数据分布越来越复杂，除了传统的学
10、生成绩分析得到的一些简单结论外，还有一些不易察觉的信息隐含在其中，因而论文把数据挖掘技术引入到学生考评分析中，希望找到影响学生素质的真实原因。 本文首先在对数据挖掘知识透彻理解的基础上，着重阐述了 Apriori 算法和 kmeans 聚类分析算法；然后建立基于学生考评的数据库，最后实现 Apriori 算法和 kmeans 聚类分析算法，并把实现的算法应用于所建立的学生考评数据库中进行挖掘研究。 学校可以利用 Apriori 关联规则所揭示的学生在学习中学科之间的相关性，适当组合学科课程，使相关学科互相促进共同提高，引导学生从强势学科入手，提高相对较弱的学科，最终使学生在学业上均衡发展；利用
11、 Apriori 关联规则发现的学生培养模式，合理设计课程开设和学生第二课堂活动的安排次序；另外，还可以利用学生考评数据库对学生进行 kmeans 聚类分析。最终为学生树立起一个导向性目标，激励学生努力地朝着这个目标靠近，从而提高自身素质；并且可以为高校在学生培养工作的开展与改进方面提供有效的指导和帮助，提高学校办学质量。随着高校办学规模的扩展，在校学生人数的增加，学生的相关数据急剧膨胀，学生考评数据分布越来越复杂，除了传统的学生成绩分析得到的一些简单结论外，还有一些不易察觉的信息隐含在其中，因而论文把数据挖掘技术引入到学生考评分析中，希望找到影响学生素质的真实原因。 本文首先在对数据挖掘知识
12、透彻理解的基础上，着重阐述了 Apriori 算法和 kmeans 聚类分析算法；然后建立基于学生考评的数据库，最后实现 Apriori 算法和 kmeans 聚类分析算法，并把实现的算法应用于所建立的学生考评数据库中进行挖掘研究。 学校可以利用 Apriori 关联规则所揭示的学生在学习中学科之间的相关性，适当组合学科课程，使相关学科互相促进共同提高，引导学生从强势学科入手，提高相对较弱的学科，最终使学生在学业上均衡发展；利用 Apriori 关联规则发现的学生培养模式，合理设计课程开设和学生第二课堂活动的安排次序；另外，还可以利用学生考评数据库对学生进行 kmeans 聚类分析。最终为学生
13、树立起一个导向性目标，激励学生努力地朝着这个目标靠近，从而提高自身素质；并且可以为高校在学生培养工作的开展与改进方面提供有效的指导和帮助，提高学校办学质量。随着高校办学规模的扩展，在校学生人数的增加，学生的相关数据急剧膨胀，学生考评数据分布越来越复杂，除了传统的学生成绩分析得到的一些简单结论外，还有一些不易察觉的信息隐含在其中，因而论文把数据挖掘技术引入到学生考评分析中，希望找到影响学生素质的真实原因。 本文首先在对数据挖掘知识透彻理解的基础上，着重阐述了 Apriori 算法和 kmeans 聚类分析算法；然后建立基于学生考评的数据库，最后实现 Apriori 算法和 kmeans 聚类分析
14、算法，并把实现的算法应用于所建立的学生考评数据库中进行挖掘研究。 学校可以利用 Apriori 关联规则所揭示的学生在学习中学科之间的相关性，适当组合学科课程，使相关学科互相促进共同提高，引导学生从强势学科入手，提高相对较弱的学科，最终使学生在学业上均衡发展；利用 Apriori 关联规则发现的学生培养模式，合理设计课程开设和学生第二课堂活动的安排次序；另外，还可以利用学生考评数据库对学生进行 kmeans 聚类分析。最终为学生树立起一个导向性目标，激励学生努力地朝着这个目标靠近，从而提高自身素质；并且可以为高校在学生培养工作的开展与改进方面提供有效的指导和帮助，提高学校办学质量。随着高校办学
15、规模的扩展，在校学生人数的增加，学生的相关数据急剧膨胀，学生考评数据分布越来越复杂，除了传统的学生成绩分析得到的一些简单结论外，还有一些不易察觉的信息隐含在其中，因而论文把数据挖掘技术引入到学生考评分析中，希望找到影响学生素质的真实原因。 本文首先在对数据挖掘知识透彻理解的基础上，着重阐述了 Apriori 算法和 kmeans 聚类分析算法；然后建立基于学生考评的数据库，最后实现 Apriori 算法和 kmeans 聚类分析算法，并把实现的算法应用于所建立的学生考评数据库中进行挖掘研究。 学校可以利用 Apriori 关联规则所揭示的学生在学习中学科之间的相关性，适当组合学科课程，使相关学
16、科互相促进共同提高，引导学生从强势学科入手，提高相对较弱的学科，最终使学生在学业上均衡发展；利用 Apriori 关联规则发现的学生培养模式，合理设计课程开设和学生第二课堂活动的安排次序；另外，还可以利用学生考评数据库对学生进行 kmeans 聚类分析。最终为学生树立起一个导向性目标，激励学生努力地朝着这个目标靠近，从而提高自身素质；并且可以为高校在学生培养工作的开展与改进方面提供有效的指导和帮助，提高学校办学质量。随着高校办学规模的扩展，在校学生人数的增加，学生的相关数据急剧膨胀，学生考评数据分布越来越复杂，除了传统的学生成绩分析得到的一些简单结论外，还有一些不易察觉的信息隐含在其中，因而论
17、文把数据挖掘技术引入到学生考评分析中，希望找到影响学生素质的真实原因。 本文首先在对数据挖掘知识透彻理解的基础上，着重阐述了 Apriori 算法和 kmeans 聚类分析算法；然后建立基于学生考评的数据库，最后实现 Apriori 算法和 kmeans 聚类分析算法，并把实现的算法应用于所建立的学生考评数据库中进行挖掘研究。 学校可以利用 Apriori 关联规则所揭示的学生在学习中学科之间的相关性，适当组合学科课程，使相关学科互相促进共同提高，引导学生从强势学科入手，提高相对较弱的学科，最终使学生在学业上均衡发展；利用 Apriori 关联规则发现的学生培养模式，合理设计课程开设和学生第二
18、课堂活动的安排次序；另外，还可以利用学生考评数据库对学生进行 kmeans 聚类分析。最终为学生树立起一个导向性目标，激励学生努力地朝着这个目标靠近，从而提高自身素质；并且可以为高校在学生培养工作的开展与改进方面提供有效的指导和帮助，提高学校办学质量。随着高校办学规模的扩展，在校学生人数的增加，学生的相关数据急剧膨胀，学生考评数据分布越来越复杂，除了传统的学生成绩分析得到的一些简单结论外，还有一些不易察觉的信息隐含在其中，因而论文把数据挖掘技术引入到学生考评分析中，希望找到影响学生素质的真实原因。 本文首先在对数据挖掘知识透彻理解的基础上，着重阐述了 Apriori 算法和 kmeans 聚类
19、分析算法；然后建立基于学生考评的数据库，最后实现 Apriori 算法和 kmeans 聚类分析算法，并把实现的算法应用于所建立的学生考评数据库中进行挖掘研究。 学校可以利用 Apriori 关联规则所揭示的学生在学习中学科之间的相关性，适当组合学科课程，使相关学科互相促进共同提高，引导学生从强势学科入手，提高相对较弱的学科，最终使学生在学业上均衡发展；利用 Apriori 关联规则发现的学生培养模式，合理设计课程开设和学生第二课堂活动的安排次序；另外，还可以利用学生考评数据库对学生进行 kmeans 聚类分析。最终为学生树立起一个导向性目标，激励学生努力地朝着这个目标靠近，从而提高自身素质；
20、并且可以为高校在学生培养工作的开展与改进方面提供有效的指导和帮助，提高学校办学质量。特别提醒 ：正文内容由 PDF 文件转码生成，如您电脑未有相应转换码，则无法显示正文内容，请您下载相应软件，下载地址为 http:/ 。如还不能显示，可以联系我 q q 1627550258 ，提供原格式文档。我们还可提供代笔服务，价格优惠，服务周到，包您通过。“垐垯櫃 换烫梯葺铑?endstreamendobj2x 滌甸?*U 躆 跦?l, 墀 VGi?o 嫅#4K 錶 c#x 刔 彟 2Z 皙笜?D 剧珞 H 鏋 Kx 時 k,褝仆? 稀?i 攸闥-) 荮vJ 釔絓|?殢 D 蘰厣?籶(柶胊?07 姻Rl
21、遜 ee 醳 B?苒?甊袝 t 弟l?%G 趓毘 N 蒖與叚繜羇坯嵎憛?U?Xd* 蛥?-.臟兄+鮶 m4嵸/E 厤U 閄 r塎偨匰忓tQL 綹 eb?抔搉 ok 怊 J?l?庮 蔘?唍*舶裤爞 K 誵Xr 蛈翏磾寚缳 nE 駔殞梕 壦 e 櫫蹴友搇6 碪近躍邀 8 顪?zFi?U 钮 嬧撯暼坻7/?W?3RQ 碚螅 T 憚磴炬 B- 垥 n 國 0fw 丮“eI?a揦(?7 鳁?H?弋睟栴?霽 N 濎嬄! 盯 鼴蝔 4sxr?溣?檝皞咃 hi#?攊(?v 擗谂馿鏤刊 x 偨棆鯍抰Lyy|y 箲丽膈淢 m7 汍衂法瀶?鴫 C?Q 貖 澔?wC(?9m.Ek?腅僼碓 靔 奲?D| 疑維 d袣箈 Q| 榉慓採紤婏(鞄-h-蜪7I冑?匨+蘮.-懸 6 鶚?蚧?铒鷈?叛牪?蹾 rR?*t? 檸?籕
