開題報(bào)告數(shù)據(jù)挖掘

1、附表三:高校教師在職攻讀碩士學(xué)位研究生論文選題計(jì)劃表研究生姓名： 指導(dǎo)教師： 專 業(yè): 計(jì)算機(jī)應(yīng)用技術(shù)所屬院（所）：計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 2010年 4 月 2 日研究生姓名 專 業(yè)計(jì)算機(jī)應(yīng)用技術(shù)導(dǎo)師姓名 研究方向數(shù)據(jù)挖掘畢業(yè)論文題目數(shù)據(jù)挖掘在高職教學(xué)中的應(yīng)用論文類型理論研究應(yīng)用研究用于生產(chǎn)其它選題目的和意義：由于我國(guó)大眾化高等教育的普及，高校學(xué)生數(shù)量的激增，給高校教學(xué)工作帶來(lái)了諸多新的問(wèn)題。尤其是高職學(xué)生，他們的主體是普通高中應(yīng)屆畢業(yè)生高考最后一批錄取的學(xué)生。這些學(xué)生在學(xué)習(xí)意識(shí)、學(xué)習(xí)方法、學(xué)習(xí)能力及學(xué)習(xí)動(dòng)力上比較欠缺，并可能有較多常見的心理問(wèn)題。大部分學(xué)生沒(méi)有養(yǎng)成良好的學(xué)習(xí)習(xí)慣。他們中的大部

2、分學(xué)習(xí)基礎(chǔ)比較差自制力也比較弱，學(xué)習(xí)目標(biāo)不夠明確，缺乏刻苦鉆研精神。很多學(xué)生就讀離職并不是因?yàn)樽陨砜释麑W(xué)習(xí)。而是無(wú)可奈何或出于應(yīng)付家長(zhǎng)的要求。他們對(duì)所學(xué)的專業(yè)并沒(méi)有太多了解，因此學(xué)習(xí)目標(biāo)不夠明確同時(shí)，他們還對(duì)社會(huì)對(duì)其的容納有一種懷疑，這種懷疑直接導(dǎo)致了自信心的不足，由此也影響到學(xué)生學(xué)習(xí)的動(dòng)力。此外，由于這批學(xué)生普遍沒(méi)有養(yǎng)成良好的學(xué)習(xí)習(xí)慣，叉影響了良好學(xué)習(xí)氛圍的營(yíng)造，不良的學(xué)習(xí)氛圍又反過(guò)束影響學(xué)生的學(xué)習(xí)動(dòng)力。教師迫切地需要科學(xué)地研究高職教學(xué)各個(gè)環(huán)節(jié)中的大量的數(shù)據(jù)信息。從中獲取知識(shí)，繼而科學(xué)地指導(dǎo)教學(xué)。二十世紀(jì)，數(shù)據(jù)庫(kù)技術(shù)取得了決定性的成果并且得到廣泛應(yīng)用大量信息在給人們帶來(lái)方便的同時(shí)也帶來(lái)了一大

3、堆難題；第一是信息過(guò)量，難以消化；第二是信息真假難以辨識(shí)：第三是信息安全難以保證；第四是信息形式不一致，難以統(tǒng)一處理。人們開始提出一個(gè)新的口號(hào)：“要學(xué)會(huì)拋棄信息”，并開始考慮：“如何才能不被信息淹沒(méi)，而是從中及時(shí)發(fā)現(xiàn)有用的知識(shí)、提高信息利用率?”如何從含有海量信息的數(shù)據(jù)庫(kù)中提取潛在、有價(jià)值的信息來(lái)輔助決策，預(yù)測(cè)未來(lái)成為信息處理的更新更高的要求，知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生，共顯示出強(qiáng)大的生命力。數(shù)據(jù)挖掘使數(shù)據(jù)庫(kù)技術(shù)進(jìn)入了一個(gè)更高級(jí)的發(fā)展階段。數(shù)據(jù)挖掘技術(shù)(Data Mining)被稱為未來(lái)信息處理的骨干技術(shù)之一，是一個(gè)多學(xué)科交叉研究領(lǐng)域，融合了數(shù)據(jù)庫(kù)，人工智能、機(jī)器學(xué)習(xí)，統(tǒng)計(jì)學(xué)，知識(shí)工程、面

4、向?qū)ο蠓椒?、信息檢索，高性能計(jì)算以及數(shù)據(jù)可視化等多項(xiàng)最新技術(shù)數(shù)據(jù)挖掘技術(shù)從80年代末開始出現(xiàn)。短短二十多年它的發(fā)展速度很快。目前數(shù)據(jù)挖掘技術(shù)在零售業(yè)的購(gòu)物籃分析、金融風(fēng)險(xiǎn)預(yù)測(cè)、產(chǎn)品質(zhì)量分析、通訊及醫(yī)療服務(wù)、基因工程研究等許多領(lǐng)域得到了成功的應(yīng)用很多專題會(huì)議也把數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)列為議題之一。把數(shù)據(jù)挖掘技術(shù)應(yīng)用于高等學(xué)校的教學(xué)與管理中，是數(shù)據(jù)挖掘技術(shù)在又一個(gè)領(lǐng)域的應(yīng)用高等學(xué)校多年來(lái)的教學(xué)和管理工作積累了大量的數(shù)據(jù)，目前，鑒于社會(huì)對(duì)高等學(xué)校發(fā)展的需求和高校數(shù)據(jù)管理的現(xiàn)狀，利用這些數(shù)據(jù)理性的分析學(xué)校各方面工作的成效以及教師發(fā)展?fàn)顩r，對(duì)高校教學(xué)管理決策支持系統(tǒng)的影響變得十分重要。數(shù)據(jù)挖掘技術(shù)能從大量數(shù)

5、據(jù)中發(fā)現(xiàn)有用的知識(shí)，這些知識(shí)對(duì)高等學(xué)校教學(xué)管理的決策支持是十分有意義的。利用數(shù)據(jù)挖掘技術(shù)從數(shù)據(jù)倉(cāng)庫(kù)中獲取高質(zhì)量的信息，可以檢驗(yàn)教學(xué)效果，調(diào)節(jié)課程設(shè)置。合理安持師資，正確評(píng)價(jià)教師的年度工作，及輔助調(diào)整招生計(jì)劃、分析預(yù)測(cè)就業(yè)趨勢(shì)等等。雖然目前數(shù)據(jù)挖掘技術(shù)主要在商業(yè)領(lǐng)域中得到廣泛發(fā)展，但它面向應(yīng)用的本質(zhì)決定了在任何需要的領(lǐng)域都會(huì)發(fā)揮它的價(jià)值.在高校教育教學(xué)及管理中有大量直接或間接的數(shù)據(jù)，關(guān)系到教師評(píng)價(jià)、人才管理及學(xué)生選課指導(dǎo)、學(xué)生成績(jī)分析等內(nèi)容。這些數(shù)據(jù)具有復(fù)雜性、多因素性和模糊性等特點(diǎn)，是一類帶有大量不確定因素的半結(jié)構(gòu)化問(wèn)題或非結(jié)構(gòu)化問(wèn)題而大量的數(shù)據(jù)主要是以各級(jí)管理部門提供的統(tǒng)計(jì)報(bào)表和簡(jiǎn)單信息查詢

6、方式存在，對(duì)這些數(shù)據(jù)所隱含的價(jià)值沒(méi)有充分挖掘利用。通過(guò)數(shù)據(jù)挖掘技術(shù)，找出有價(jià)值的信息，客觀、科學(xué)、全面地供教學(xué)管理部門參考。以學(xué)生成績(jī)?yōu)槔?，教師?duì)學(xué)生成績(jī)的分析處理一般僅僅是統(tǒng)計(jì)成績(jī)處在優(yōu)、一般、差級(jí)別的人數(shù)，對(duì)于學(xué)生取得這些成績(jī)的原因往往無(wú)法了解。如果教師能夠找到有關(guān)影響學(xué)生學(xué)習(xí)成績(jī)的因素，必然對(duì)教學(xué)質(zhì)量的提高起到積極的作用。國(guó)內(nèi)外研究動(dòng)態(tài)：自1989年第11屆國(guó)際聯(lián)合人工智能學(xué)術(shù)會(huì)議上首次提出KDD這一概念以來(lái)，數(shù)據(jù)挖掘日益受到人們的關(guān)注。并已經(jīng)成為當(dāng)前計(jì)算機(jī)領(lǐng)域的一大熱點(diǎn)，其研究的重點(diǎn)也逐漸從發(fā)現(xiàn)方法轉(zhuǎn)移到系統(tǒng)應(yīng)用，并且注重多種發(fā)現(xiàn)策略和技術(shù)的集成，以及多學(xué)科之間的相互滲透。從總體上，國(guó)

7、外在數(shù)據(jù)挖掘領(lǐng)域中的研究?jī)?nèi)容十分廣泛，從挖掘知識(shí)的種類看，己經(jīng)取得了明顯的成果。1、關(guān)聯(lián)規(guī)則的研究。近幾年對(duì)關(guān)聯(lián)規(guī)則的研究?jī)?nèi)容較多。現(xiàn)在，關(guān)聯(lián)規(guī)則的挖掘已經(jīng)從單一概念層次關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)發(fā)展到多概念層次關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)，并把研究的重點(diǎn)放在提高算法的效率和規(guī)?？墒湛s性上。目前，人們對(duì)于定量關(guān)聯(lián)規(guī)則以及其他種類的關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)研究較為深入，提出了關(guān)聯(lián)規(guī)則的興趣性的概念。與此同時(shí)，在提高挖掘過(guò)程的效率方面也作了不少的研究。比較著名的算法有Apfiori，Charm，F(xiàn)P-Growth，MagnumOPUSS，GenMax2、數(shù)據(jù)分類技術(shù)研究?；跊Q策樹的分類方法在大規(guī)模數(shù)據(jù)庫(kù)條件下的應(yīng)用研究；在較高的抽

8、象層次分類中，MMehte等人針對(duì)大型數(shù)據(jù)庫(kù)提出了種快速分類算法，稱為QUEST中的超級(jí)學(xué)習(xí)算法，SLIQ：分類與回歸的管狀領(lǐng)域研究、最近鄰分類方法的改進(jìn)等等。3、聚類規(guī)則研究。近年，聚類開始在大型數(shù)據(jù)庫(kù)中得到研究，RNg和1Han基于隨機(jī)搜索以及統(tǒng)計(jì)學(xué)中的兩個(gè)聚類算法PAM和CLARA，給出了一個(gè)適用于大型應(yīng)用的聚類算法：CLARANS。MEste等人針對(duì)CLARANS算法的缺點(diǎn)，提出了改進(jìn)技術(shù)。TZhang等人則提出了另一種聚類算法：BIRCH。4、泛化、簡(jiǎn)約和特征提取研究。利用數(shù)據(jù)可視化大大擴(kuò)展了數(shù)據(jù)的表達(dá)和理解能力，這是數(shù)據(jù)簡(jiǎn)約的一種非常重要的技術(shù)，它正受到廣泛的重視。與國(guó)外相比，國(guó)內(nèi)

9、對(duì)數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)(MDKD)的研究稍晚，1993年國(guó)家自然科學(xué)基金首次支持對(duì)該領(lǐng)域的研究項(xiàng)目。目前，清華大學(xué)、中科院計(jì)算技術(shù)研究所、空軍第三研究所、海軍裝備論證中心等競(jìng)相開展數(shù)據(jù)挖掘的基本理論及其應(yīng)用研究。其中，北京系統(tǒng)工程研究所對(duì)模糊方法在知識(shí)發(fā)現(xiàn)中的應(yīng)用進(jìn)行了較深入的研究，北京大學(xué)也在開展對(duì)數(shù)據(jù)立方體代數(shù)的研究；華中理工大學(xué)、復(fù)旦大學(xué)、浙江大學(xué)、中國(guó)科技大學(xué)、中科院數(shù)學(xué)研究所、吉林大學(xué)等單位開展了對(duì)關(guān)聯(lián)規(guī)則開采算法的優(yōu)化和改造：南京大學(xué)、四川聯(lián)合大學(xué)山東師范大學(xué)碩士學(xué)位論文上海交通大學(xué)等單位探討，研究了非結(jié)構(gòu)化數(shù)據(jù)的知識(shí)發(fā)現(xiàn)以及Web數(shù)據(jù)挖掘。現(xiàn)在盡管與國(guó)際上的進(jìn)展相差并不遠(yuǎn)，一些研究

10、成果例如：總參六十一所李德毅教授在云模型方面的研究、復(fù)旦大學(xué)的施伯樂(lè)教授在關(guān)系數(shù)據(jù)厙中知發(fā)現(xiàn)方面取得很大的成果，南京大學(xué)開發(fā)的KNIGHT系統(tǒng)等但在實(shí)際應(yīng)用方面卻鮮有所聞，成功的例子很少，沒(méi)有形成整體力量。總的說(shuō)來(lái)國(guó)內(nèi)在數(shù)據(jù)挖掘方面的開發(fā)還停留在實(shí)驗(yàn)的階段，沒(méi)有能夠真正的投入到實(shí)際生產(chǎn)應(yīng)用中去。數(shù)據(jù)挖掘最先應(yīng)用于金融和商業(yè)領(lǐng)域，在教育層面上還只能算是新生事物，處于發(fā)展的初級(jí)階段。國(guó)內(nèi)高校目前在校園信息網(wǎng)中開展數(shù)據(jù)挖掘的研究并不廣泛。浙江大學(xué)使用關(guān)聯(lián)規(guī)則發(fā)現(xiàn)技術(shù)對(duì)高校的人事信息庫(kù)進(jìn)行挖掘，試圖找到影響學(xué)科發(fā)展的因素，發(fā)現(xiàn)如何評(píng)價(jià)一個(gè)學(xué)科，以及影響學(xué)科發(fā)展的各個(gè)要素之間的關(guān)系。另外。曲阜師范大學(xué)體

11、育系與上海市體委就體育人才的選拔探討了數(shù)據(jù)挖掘的可行性。在每年對(duì)中小學(xué)生的體質(zhì)調(diào)查中，積累了大量的數(shù)據(jù)，利用數(shù)據(jù)挖掘技術(shù)，他們?cè)噲D從數(shù)據(jù)中深入尋找各種因素的相互聯(lián)系，發(fā)現(xiàn)一些隨機(jī)因素動(dòng)態(tài)變化而產(chǎn)生的新的指導(dǎo)學(xué)校體育科研和教學(xué)訓(xùn)練的規(guī)律，進(jìn)而發(fā)現(xiàn)運(yùn)動(dòng)人才。數(shù)據(jù)挖掘在教育層面上的研究還只能算是新生事物，處于發(fā)展的初級(jí)階段。在教育信息化的大趨勢(shì)下，將數(shù)據(jù)挖掘技術(shù)應(yīng)用于教育領(lǐng)域內(nèi)的學(xué)生招募、市場(chǎng)細(xì)分、學(xué)生來(lái)源分析、課程相關(guān)性、學(xué)習(xí)評(píng)價(jià)度量、學(xué)生生涯規(guī)劃、遠(yuǎn)程開放教育的個(gè)性化服務(wù)等方面，必然有十分廣闊的前景。數(shù)據(jù)挖掘是一種技術(shù)，和其他技術(shù)一樣，數(shù)據(jù)挖掘也需要時(shí)間和精力來(lái)研究、開發(fā)和逐步成熟，最終被人們接

12、受。目前己經(jīng)有很多通用的數(shù)據(jù)挖掘系統(tǒng)，但是還不能達(dá)到期望的智能系統(tǒng)那樣。在近來(lái)的數(shù)據(jù)挖掘研究和開發(fā)中，一些挑戰(zhàn)也已受到一定程度的關(guān)注，并考慮到了各種需求，而另一些處于研究階段。然而，這些問(wèn)題將繼續(xù)刺激進(jìn)一步的研究和改進(jìn)。我們相信，隨著數(shù)據(jù)挖掘任務(wù)和方法的發(fā)展，一定能帶給我們更多的利益，可以節(jié)約我們的時(shí)間和金錢，并發(fā)現(xiàn)新的知識(shí)。 主要內(nèi)容：高等學(xué)校多年來(lái)的教學(xué)和管理工作積累了大量的數(shù)據(jù)，目前這些數(shù)據(jù)還未能得到有效利用，只是一個(gè)待開發(fā)的“寶藏”。鑒于社會(huì)對(duì)高等學(xué)校發(fā)展的需求和目前高校數(shù)據(jù)管理現(xiàn)狀，利用這些數(shù)據(jù)理性地分析學(xué)校各方面工作的成效以及學(xué)生培養(yǎng)過(guò)程中的得失變得十分重要。本文主要研究在高校擴(kuò)招

13、、師生比過(guò)大的教學(xué)條件下，教師如何利用豐富的信息資源，采用數(shù)據(jù)挖掘技術(shù)，獲得輔助決策知識(shí)，指導(dǎo)教學(xué)，從而進(jìn)一步提高教學(xué)質(zhì)量。數(shù)據(jù)挖掘技術(shù)主要介紹數(shù)據(jù)挖掘的基本知識(shí)，包括數(shù)掘挖掘的過(guò)程、數(shù)據(jù)挖掘的任務(wù)、數(shù)掘挖掘的分類以及數(shù)據(jù)挖掘的常用技術(shù)和方法。探索數(shù)據(jù)挖掘技術(shù)在高校教學(xué)中的應(yīng)用，提出數(shù)據(jù)挖掘技術(shù)在高校教學(xué)應(yīng)用中的實(shí)施方案。實(shí)驗(yàn)設(shè)計(jì)方案：第一步，確定挖掘?qū)ο蟆⒛繕?biāo)。清晰地定義出問(wèn)題，認(rèn)清數(shù)據(jù)挖掘的目的是數(shù)據(jù)挖掘的重要一步。挖掘的最后結(jié)果是不可預(yù)測(cè)的，但要探索的問(wèn)題應(yīng)是有預(yù)見的。第二步，數(shù)據(jù)采集。這是一個(gè)工作量較大，占據(jù)時(shí)問(wèn)較多的一個(gè)階段。教師需要在以往的教學(xué)實(shí)踐中，注意收集數(shù)據(jù)信息，有些數(shù)據(jù)的產(chǎn)

14、生可以直接獲得，有些數(shù)據(jù)需要對(duì)學(xué)生進(jìn)行調(diào)查獲得。第三步，數(shù)據(jù)轉(zhuǎn)換。這一步是將教師收集到的不同的數(shù)據(jù)信息集成并轉(zhuǎn)換為一個(gè)分析數(shù)據(jù)模型，這一數(shù)掘模型是針對(duì)算法而準(zhǔn)備的不同的算法可能需要不同的分析數(shù)據(jù)模型。第四步，數(shù)據(jù)分類挖掘。分類挖掘的目的是為了建立一個(gè)分類模型。首先要選擇合適的挖掘算法，并使用合適的程序設(shè)計(jì)軟件實(shí)現(xiàn)這一算法：接著對(duì)所得到的經(jīng)過(guò)轉(zhuǎn)換的數(shù)據(jù)進(jìn)行挖掘。第五步，分類規(guī)則結(jié)果分析。這一步主要解釋和評(píng)估分類結(jié)果。第六步。知識(shí)的應(yīng)用。這一步是將分析所得到的知識(shí)集成到教師的教學(xué)環(huán)節(jié)中去，教師可利用所得知識(shí)改進(jìn)教學(xué)策略指導(dǎo)進(jìn)一步教學(xué)。準(zhǔn)備工作情況和主要工作措施：利用學(xué)院的教務(wù)管理系統(tǒng)，獲得學(xué)生的成

15、績(jī)信息。設(shè)計(jì)學(xué)生信息調(diào)查表，由學(xué)生填寫，內(nèi)容包括學(xué)生對(duì)計(jì)算機(jī)公共基礎(chǔ)課程的感興趣程度、課堂學(xué)習(xí)效果、對(duì)本課程的認(rèn)識(shí)和教師的教學(xué)方法等。利用數(shù)據(jù)挖掘算法對(duì)數(shù)據(jù)進(jìn)行處理，建立決策樹，得出推動(dòng)計(jì)算機(jī)課程教學(xué)的規(guī)則。論文進(jìn)度安排及預(yù)期達(dá)到研究結(jié)果：2010.4-2010.9 資料查詢、確定論文主題2010.9-2010.10 數(shù)據(jù)挖掘的理論研究2010.10-2010.11數(shù)據(jù)挖掘常用技術(shù)研究2010.11-2010.12數(shù)據(jù)挖掘的應(yīng)用研究2010.12-2011.1數(shù)據(jù)挖掘的新技術(shù)研究2011.1-2011.2 數(shù)據(jù)挖掘的發(fā)展方向2011.2-2011.4撰寫論文2011.4-2011.5論文修改 文獻(xiàn)綜述：（4000字以上，參考文獻(xiàn)30篇以上，其中至少10篇外文參考文獻(xiàn)）考核小組對(duì)報(bào)告人查閱專業(yè)技術(shù)文獻(xiàn)情況的評(píng)價(jià)1 查閱與本專業(yè)相關(guān)的專業(yè)技術(shù)文獻(xiàn)數(shù)量是否達(dá)到30篇（其中外文10篇）？2 查閱的文獻(xiàn)是否全面，是否反映本學(xué)科專業(yè)的最新學(xué)術(shù)動(dòng)