关联规则在教学评价中的应用

数据挖掘就是从大量数据中,抽取隐含的,但又是潜在有用的关联信息和知识发现过程,其中关联规则（AssociationRules）的挖掘是一个重要的问题,是大量数据中项集之间有趣的关联或相关联系。本文介绍了关联规则的概念,并将数据挖掘中的关联规则挖掘应用到教学评价中,从而得到一些对提高教学质量或水平的有用知识。     

数据挖掘技术在高校教学评价系统中的应用

介绍了数据挖掘的基本涵义和主要方法,阐述了数据挖掘技术在教学评价系统中的应用,并从学生评价教师课堂教学质量的大量数据中找出了数据间的关系,为提高高校的课堂教学质量评价提供了科学依据。     

基于KDD技术的课堂教学质量评价体系应用研究

课堂教学质量评价是高校教学评价的重要一环,是衡量教师教学水平的重要指标.KDD技术可以通过对大量不规则数据的挖掘从而发现潜在有用的数据和知识.运用KDD技术中的数据挖掘,通过回归分析对课堂教学质量评价基础数据进行挖掘,可以得到具有一定价值的规律和知识,从而有针对性的指导和改进教学质量.     

数据挖掘技术在民办高校招生工作中的应用研究

数据挖掘技术是当前信息处理领域的新兴技术,大大加强了决策分析的功能和灵活性,有助于在大量数据挖掘中挖掘多层次的知识.随着生源数量日益减少,民办高校生源竞争日趋竞争,生源数量及质量直接关系到民办高校生存和发展,对历年大量招生数据及新生信息进行有效挖掘和分析,为民办高校招生管理和决策提供支持,将对民办高校在快速变化的生源竞争中把握发展方向起到重要作用.本文分别从关联规则等技术上探讨数据挖掘技术在民办高校招生工作中的应用.     

一种改进的关联规则快速算法

数据采集手段的丰富，使获取、保存大量数据变得容易，从海量数据中提取有用的知识和信息是数据挖掘的主要任务，关联规则是数据挖掘领域的一个重要分支。本文介绍了一种改进关联规则快速算法，并加入相关性分析以过滤掉无意义强关联规则以得到更为准确的信息。     

房地产行业中数据挖掘技术的应用

数据挖掘作为一种系统地检查和理解大量数据的工具,能有效地帮助房地产企业从不断积累与更新的数据中提取有价值的信息。从数据挖掘在房地产行业中的市场研究价值入手,介绍了微软BI架构及SQL2005的新特性。分析了数据挖掘在房地产市场研究尤其是客户信息中的应用,使用基于兴趣度的关联规则分析方法,建立一套基于客户分类的关联规则。     

数据挖掘技术在教学评价中的应用研究

数据挖掘技术是在海量数据中提取有用信息的有效手段,而教学评价是对教学工作质量所做的测量、分析和评定,是教学过程中的重要环节。将数据挖掘技术应用到教学评价数据分析过程中,验证了基于该技术的属性约简算法的正确性和有效性,从多角度对教学评价数据进行更深层次的分析和处理,从而挖掘出更多、更有价值的数据和信息,提供了更多的方法和措施以改进和提高教学的质量。     

多媒体图像挖掘的关联规则挖掘

数据挖掘从大量的数据中提取隐含在其中的有用信息和知识,采用关联规则挖掘方法,对多媒体图像进行关联规则挖掘,得出多媒体图像的关联规则。     

关联规则隐藏算法综述

近年来,数据挖掘备受青睐,它可以从大量数据集合中提取隐藏的知识。如何实现既找到数据中隐藏的知识,又不透露其中的敏感信息尤为关键。隐私保护数据挖掘（PPDM）能够实现对敏感信息的保护,关联规则隐藏是PPDM技术中的一种,用来保护敏感性的关联规则。总结了关于隐私保护的数据挖掘方法并指出了其优缺点,同时重点对关联规则隐藏算法进行了分析。     

关联分析及神经网络算法在学生考研成功影响因素分析中的应用

数据挖掘是指从大量数据中,通过算法搜索隐藏于其中的信息的过程,通过将数据转化为信息,实现数据的价值。以江汉大学数学与计算机科学学院学生为研究对象,通过数据挖掘分类预测分析数据信息,以Rapidminer软件作为分析工具,采用关联分析和神经网络算法,对成功考研学生的群体特征进行分析,研究学习成绩、身体素质、性别、专业差别对考研结果的影响。     

基于关联规则的数据挖掘技术在教学评价及学生成绩关系之间的应用研究

教学评价和学生成绩是衡量高校教师课堂教学质量的一项重要指标.数据挖掘是一个融合多学科交叉的新技术研究,目前在各行业均有广泛的应用.本文通过运用数据挖掘中关联规则Apriori算法,对高校教学评价体系中各项指标与学生成绩之间的关联进行了挖掘,得到了具有一定价值的知识和规则,从而更好地运用于教学研究.     

基于数据挖掘的高校教学决策支持系统设计

为了充分有效利用高校教学管理工作多年来积累的大量数据,采用数据挖掘技术从中挖掘出有价值的信息,为学校教学管理提供决策支持,设计了一个专门的高校教学决策支持系统.该系统基于数据挖掘及数据仓库技术,采用C/S/S和B/S/S模式的三层体系结构,使用关联规则、决策树、聚类等方法对高校数据进行分析.通过基于预处理的改进Apriori算法在教学评价中的应用为例,说明数据挖掘过程,分析挖掘结果.     

对数据挖掘技术的认知和分析

数据挖掘技术为应对信息的高度集中使用以及海量信息处理提供了科学、有效的手段.从数据挖掘的概念、对象、任务、过程、方法等方面进行阐述,主要是分析了从大量的、不完全的数据中,提取有用的知识和信息,并应用在相关领域的过程.     

基于FP-Growth算法的毕业生管理系统的研究与应用

关联规则是数据挖掘的重要内容之一.Apriori算法是关联规则挖掘的经典算法,本文对Apriori算法和改进后的FP-Growth算法进行了深入的研究,并以实际的案例进行了算法解析,通过对两种算法的比较与分析,选择FP-Growth算法应用到毕业生信息管理系统中,从大量的毕业生信息出发,找出就业信息与教育信息之间的关系,从而为决策者提供指导或数据支持,指导目前的专业建设、课程改革,促进学校的教学改革,提高人才培养质量.     

数据挖掘在本科教学评估中的应用

数据挖掘是目前信息领域和数据库技术的前沿研究课题。关联规则技术是数据挖掘的最重要的组成部分之一,它用于发现大量数据中项集之间的有意义的关联和相关联系。在给出教学评估数据挖掘系统的框架之后,使用相关数据进行关联规则算法的实验,对结果进行初步分析,其得出的结论对高校教学评估和教学工作都具有一定的指导意义。     

教育大数据视角下的教学质量评价探讨

大数据视角下的教学质量评价是通过大数据对老师的学术业务水平、教学方法、教学态度等进行评价。在海量数据中通过数据挖掘找到准确、有效的信息有一定的难度。主要给出教育大数据的相关基础知识,并且从教师和学生两个方面给出如何建立科学的教学质量评价体系,尤其是过程性评价教学,其核心在于教学综合能力的普遍提升,而教师教学评价体系的建构则是促进教师水平提升的必要手段,课堂教学质量评价对教师的教学效果和学生产出提出更高要求。     

基于聚类分析的地产客户关系分级系统的研究

数据挖掘作为一种系统地检查和理解大量数据的工具,能有效地帮助房地产企业从不断积累与更新的客户信息数据中提取有价值的信息.本文从数据挖掘在房地产行业中的市场研究价值入手,分析了数据挖掘在房地产市场研究尤其是客户关系分级系统中的应用.     

数据挖掘在高校师资管理中的应用

师资是高校发展和教学质量的保障,师资管理是高校管理的主要工作之一．利用数据挖掘技术中的关联规则方法,从师资管理所产生的大量数据中得到有价值的信息,为高校的管理决策者提供参考和决策信息是高校现代化管理的必然。     

数据仓库与数据挖掘技术应用现状研究

数据仓库技术是90年代开始兴起的一门新兴技术.数据仓库技术有效地解决了数据存储和组织,数据仓库具有按主题进行存储的特点.数据挖掘就是从大量的、模糊的、不完全的、有噪声的、随机的数据中提取隐含的、人们事先不知道的有用的信息和知识的过程.数据挖掘能带来所需的知识信息,而数据仓库的支持使得数据挖掘更加有效.     

数据挖掘技术在Moodle课程管理系统中的应用研究

基于课程管理系统中学习者的学习行为开展学习绩效的评估,提供课程改进与学习建议,对学习资料和网络课程进行评价,为E-learning课程的师生提供反馈,对于提高远程教育教学效果与质量非常重要。但由于许多课程管理系统不提供允许教师全程跟踪和评定所有学习者行为活动的特定工具,因此,当面对大量系统数据时,选取有价值的信息变得十分困难。教育数据挖掘则是解决这一难题的有效途径。本文在介绍E-learning数据挖掘过程的基础上,重点阐述了统计、可视化、分类、聚类及关联规则挖掘等数据挖掘技术在Moodle系统中的应用。