可视化数据挖掘研究

可视化数据挖掘是指使用可视化技术在大量的数据中发现潜在有用的知识的过程。本文介绍了可视化数据挖掘的概念,目前使用的可视化技术,并建立了可视化数据挖掘模型DVM。最后重点研究了基于关联规则挖掘结果的可视化问题。     

数据仓库和数据挖掘在高校体育数据分析中的应用

数据挖掘就是从大量的数据中挖掘出有用的信息，它是一种深层次的数据分析方法，目前此项技术已经被越来越多的领域所应用。针对数据仓库和数据挖掘技术的基本原理进行了研究，阐述其概念、类型及使用方法，并讨论和分析它在高校体育数据分析中的应用。     

教育数据挖掘工具综述

数据挖掘拥有悠久的历史,它可以追溯到探索性数据分析(Tukey, 1977),且目前已经形成了有效的、可推广的方法.本文将讨论教育数据挖掘研究与实践中逐渐兴起的一些工具,以及在更广泛的层面上数据挖掘和数据科学研究者所使用的相关工具,近40种教育领域数据挖掘与分析的常用工具,包括数据处理与特征工程工具、算法分析工具、可视化效果工具,以及EDM和LA的特殊应用,如贝叶斯知识跟踪工具、文本挖掘、社会网络分析、过程与序列挖掘、PSLC服务站等.本文将为初次接触这一领域的研究者提供有用的信息,以帮助他们找到有用的工具.     

试论数据挖掘与机器学习、统计学、数据库的关系

数据库中发掘知识 (KDD) ,通常也称数据挖掘 ,意在从大量收集到的数据中发掘出有用的知识。已发掘出的知识可能是描述数据的规则、经常出现的模型 ,或数据库中的对象集等     

关联规则在书店中的应用研究

书店在图书销售过程中积累了大量的图书信息,这些信息可以用于查询、统计,获得想要的有关图书信息的数据。但是这些信息的作用还不止于此,这些海量信息中包含着有用的“知识”,可以通过计算机数据挖掘技术将隐含在其中的“知识”挖掘出来,用于书店的经营决策。本文以买书的个体为事务,以购买的图书为事务项。运用APRIORI算法探讨了利用关联规则分析个体购买图书之间的关联关系,找出了购买图书之间的关联规则,为书店的经营决策提供科学依据。     

关联规则在教务管理系统中的应用初探

高校教务管理系统将产生海量数据,这些数据中可能隐藏着一些我们以前不知道的大量有用信息。因此,可采用数据挖掘的关联规则方法来对教务管理系统的学生成绩数据进行挖掘,通过学生成绩是否优秀来找到各对应课程之间的相关性,从而科学地安排教学和指导学生学习。     

数据挖掘--极具发展潜力的新领域

数据挖掘是在数据库中对数据进行一定的处理,从而获得其中隐含的、事先未知的而又可能极为有用的信 息。这些信息通常是以知识、规则或约束等形式来表现的。这些知识可以用于知识管理、问题求解、制定决策、过程控制 和其他领域。本文分析了数据挖掘技术的相关领域及其基本问题,为获取知识提供了一种新方法。     

浅议数据挖掘技术及其在高校教学管理中的应用

数据挖掘的本质是从已有信息中发现规律和模式.本文通过介绍数据挖掘技术及其相关的数据仓库和决策 支持系统等概念与理论,提出了如何对高校教学数据库中的大量数据进行分析和挖掘,从中提取有价值的信息并形成知识库, 帮助教学管理人员进行科学决策的模型和方法,以提高高校教学管理水平.     

运用信息资源培养学生的研究性学习能力

21世纪是信息多元化的时代,小学教育专业的师范本科生应以网络资源等媒体为载体,通过自己收集、分析和处理信息来实际感受和体验知识的生产过程,进而理解信息知识,学会运用信息知识来提出问题、分析问题、解决问题,从而提升研究性学习的能力。本文从探讨研究性学习、信息资源的概念内涵出发,探寻运用信息资源与研究性学习之间的内在关联,进而提出凭借信息资源,开展小学教育专业学生的研究性学习培养是一条有效的途径。     

大数据背景下职业教育媒介素养培育研究

职业教育中的媒介素养是指学生能够具备识别媒介、选择媒介,并且用媒介工具提升自我、实现自我价值的过程。在大数据背景下,媒介发展飞速,知识和信息量扩大,但信息的复杂性也不断提升。对于职业院校的学生来说,如何在大数据时代认识、选择媒介是当今职业教育中的难题。本文首先明确了大数据时代下职业教育媒介素养培育的必要性,进而提出了职业院校中,如何引导学生在大数据时代利用好媒介资源,提升职业技能。     

基于大数据时代知识观分析现代大学课程与教学的改革

大数据技术与移动互联网的发展推动了“全域教育时代”的到来,要求高校打破传统线上、线下教育的对立思维,相应也需对现代大学的教育价值、存在形态与资源配置方式建立新的思考。本文从阐释知识观的理论基础入手,针对大数据时代知识观在价值引导与方法论上的具体转向进行深入剖析,并立足于课程观、教学观维度,分别围绕树立智慧课程理念、建构跨学科课程体系、课程实施过程动态化以及“以生为本”教学原则、基于合作学习的学生共同体、互动性“师生机体”建设等层面,探讨了基于知识观转向的大学课程与教学改革思路及实施路径。     

基于Web的数据挖掘研究综述

互联网技术的发展和普及使信息获取和发布的方式发生了巨大的飞跃和本质性的变化。如何从这些巨量、分布、异构、半结构化、动态的Web数据中发现有用的知识是数据挖掘和知识工程研究面临的新课题。本文分析了Web数据挖掘所面临的问题,对Web数据挖掘的基本概念、分类进行综述,并提出Web挖掘所面临的机遇与挑战。     

Apriori关联算法在学生教学能力分析中的应用

数据挖掘作为一种新兴的数据处理技术,在社会各领域得到了广泛应用。本文提出将数据挖掘技术应用于高师类学生教育教学能力的分析中。并以我校部分学生数据为对象,运用数据挖掘的重要模式Apriori关联规则进行数据挖掘。发现了影响学生教育教学能力的主要因素及相互关系,为高师类学校学生教育教学能力培养提供了决策依据。     

大数据背景下的数据挖掘课程教学新探

数据挖掘课程的教学目的是让学生掌握数据挖掘的相关知识,能分析并运用成熟的技术和方法。由于数据挖掘课程涉及多种学科,理论性和实践性都很强,所以在教学中存在诸多问题和挑战。笔者结合大数据的特点和发展趋势,为职业院校探索提高数据挖掘课程教学质量的有效方法、培养优秀的大数据研究型人才提供相应的理论借鉴。     

数据挖掘技术在高校学生管理工作中的应用初探

随着高校学生行为数据电子化和数据挖掘技术的发展,电子化、标准化的数据环境为数据挖掘技术的应用提供了平台。将高校学生管理的优势与数据挖掘技术深度融合,高校中心数据库搜集了大量的生源数据、学业数据、消费数据和教务数据等,数据挖掘技术对学生群体和个体的行为特征进行数字化分析,并在海量的学生数据中发掘潜在的规律和价值,将规律价值反馈给学生工作管理部门,从而指导学业辅导、公寓管理、学生资助和诈骗防控等业务实践。     

基于APRIORI算法和OLAP的关联规则对图书信息分类模型的设计

在图书销售或图书馆建设过程中积累了大量的图书信息数据,面对庞大的数据量,如何处理这些数据和如何深入其内部获取有用的信息,将是本文讨论的重点。我们将依据APRIORI算法和OLAP的关联规则,设计出能够很好利用这些数据为后期的分析做准备的系统。     

新时期大数据时代高校思想政治教育模式创新研究

大数据时代给高校思想政治教育带来了机遇,表现为强化高校思想政治教育工作、注重学生基本信息管理。同时也带来了挑战:主要表现为数据源的存储问题、信息数据处理困难、专业人才要求提高。为有效把握机遇,应对挑战,实际工作中需要采取措施,推动高校思想政治教育模式创新:强化大数据意识,提高大数据应用能力,并健全规章制度,推动数据技术的有效利用。     

数据挖掘视域下思想政治教育创新的新时代意蕴

进入新时代,网络信息技术的不断突破给思想政治教育的创新提供了新的路径,也为新时代党中央在全社会推进思想政治教育工作和从理念、趋势、价值三位一体的创新提供了新的技术支撑.特别是在后疫情时代,数据挖掘技术的目标、内容、方式有助于信息传播与思想政治教育的融合创新,对于新时代下有效应对各种不良社会思潮通过网络空间进行渗透和铸牢...     

基于过程化考核的学习过程数据关联分析研究

文章提出了一种基于过程化考核的学生学习过程数据关联分析方法,即通过对高校学生学习过程数据的关联分析和分类算法的阐述,并运用数据挖掘技术分析学生过程化考核教学数据之间的关联规律,从而为高等院校的教学改革提供重要参考。     

一种基于k-means聚类的航运信息孤立点分析算法

为了从大量含噪的航运信息中挖掘出有用的知识,研究孤立点探测方法在航运信息处理中的应用.首先在对k-means聚类算法分析的基础上,定义中位数的概念及孤立点的判断标准,提出一种基于k-means聚类的孤立点分析算法;然后,针对航运信息的特点,采用一维数据和多维数据异常点探测方法挖掘AIS数据库中的异常信息.实验结果证明,基于k-means聚类的算法对孤立点更敏感,能够探测到一维统计方法中探测不到的异常点