基于特征知识库的学籍预警与决策支持系统的研究与实现

基于特征知识库的学籍预警与决策支持系统的研究与实现

ID:35067735

大小:4.51 MB

页数:88页

时间:2019-03-17

基于特征知识库的学籍预警与决策支持系统的研究与实现_第1页
基于特征知识库的学籍预警与决策支持系统的研究与实现_第2页
基于特征知识库的学籍预警与决策支持系统的研究与实现_第3页
基于特征知识库的学籍预警与决策支持系统的研究与实现_第4页
基于特征知识库的学籍预警与决策支持系统的研究与实现_第5页
资源描述:

《基于特征知识库的学籍预警与决策支持系统的研究与实现》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、硕士学位论文基于特征知识库的学籍预警与决策支持系统的研究与实现ResearchandImplementationofStudentStatusWarningandDecisionSupportSystemBasedonFeatureKnowledgeBase作者:蒋礼青导师:张明新教授中国矿业大学二○一六年五月中图分类号TP391学校代码10290UDC004密级公开中国矿业大学硕士学位论文基于特征知识库的学籍预警与决策支持系统的研究与实现ResearchandImplementationofStudentStatusWarningandDecisionSupportSystemBa

2、sedonFeatureKnowledgeBase作者蒋礼青导师张明新申请学位工学硕士培养单位中国矿业大学学科专业计算机应用技术研究方向数据挖掘答辩委员会主席牛强评阅人二○一六年五月论文审阅认定书研究生蒋礼青在规定的学习年限内,按照研究生培养方案的要求,完成了研究生课程的学习,成绩合格;在我的指导下完成本学位论文,经审阅,论文中的观点、数据、表述和结构为我所认同,论文撰写格式符合学校的相关规定,同意将本论文作为学位申请论文送专家评审。导师签字:年月日致谢研究生学习生涯就要结束了,在这三年的学习中,我收获颇丰,不仅掌握了数据挖掘与编程相关专业技能,还包括为人处事等更宝贵的知识。在论文完

3、成之际,我要衷心地感谢所有在研究生生涯中给与我帮助和鼓励的人。首先我要深深地感谢我的导师张明新教授。张老师学识渊博、严谨治学、与人为善,是我们的学习榜样。开学初期就给我讲解了研究生阶段该怎么学习,研究方向完全有学生个人兴趣决定,极大地促进学生的学习热情,实验室配备了充分的科研设施,创造了良好的学习环境;合理的管理政策使我在科研领域中自由发挥,每当遇到技术瓶颈,他都能及时授业解惑、排除万难。科研实践中他是好榜样:对工作的孜孜不倦极大影响了我们,让我们也能够在自己的学术研究中兢兢业业,适时的技术指导与项目经验分享,在我的项目实施与找工作方面影响颇深;生活中的标杆作用:周末假日的游玩、丰盛

4、的饭菜,无微不至的关怀常让我们感动,在此要特别感谢我们的师母肖老师对我们平日的关怀。感谢所有老师与师兄师姐对我学习和生活中的帮助,让我在学习生活中步步为营。感谢郑金龙老师、刘在德老师和钱振江老师,他们都在我的论文写作中提出宝贵的意见和建议,特别是郑金龙老师指导我平时专业技能的学习,使我的专业技能突飞猛进。同时也感谢研一时所有的授课老师,让我掌握了研究生期间必备的基础知识。感谢杨昆师兄传授的经验,让我少走了许多弯路,学术论文顺利发表。感谢我的师弟师妹创造的良好学习环境与生活氛围,他们是孙昊、戴骄、彭颖、王子清等。在校期间我们真诚待人、团结友善、互相帮助,体会到了付出的快乐,积累了深厚的

5、友谊。感谢我的父母与兄妹,对我学生生涯这么多年的尊尊教诲与慷慨资助。我的兄长在我遇到困难时鼓励我,资助我,使我自信地有资本选择人生更好的道路。同时他们的一言一行也深深的影响了我,让我感受到亲情的温暖。最后,向论文评审专家致以诚挚的感谢,感谢您们在百忙之中抽出时间对论文进行审阅。感谢各位答辩老师对本论文进行答辩,谢谢您们!摘要教育信息化的发展,导致教育领域的各类数据迅速增长,从而促使了教育数据挖掘研究成为热点。教育数据挖掘是一个将来自各教育系统的原始数据转换为知识的过程,这些知识可为教师、学生、家长、教育管理人员以及教育软件系统开发人员所利用。教育数据挖掘在国内外研究普遍较晚,目前国内

6、仍处于发展初期。如何把高校存储的数据转变为知识,并为教育决策过程服务,已成为教育工作者所关注的问题。本文针对高校的教学成绩及一卡通等教育数据进行挖掘分析,建立了一个学籍预警与决策支持系统。系统采用数据仓库、数据挖掘技术、知识库和多维分析处理对数据进行分析处理,从而建立学籍预警与决策支持系统框架。该系统定期地从各数据源提取教学相关信息,经过预处理后存入数据仓库,在此基础上应用数据挖掘技术和多维分析处理进行数据深入分析和挖掘,挖掘得到的知识存入知识库。其中教育数据挖掘内容为:学生群体分类及各分类特征分析,学生成绩影响因素及成绩分类预测,包含过程预警;多维分析处理是对课程成绩等数据结合警示

7、级别规则库进行多维分析,展示警示的结果和发展趋势,包含常规预警。本文挖掘结果以Web可视化,完成交互式查询和展现,完成学籍预警和决策支持。针对高校数据集特点,对CFSFDP(ClusteringbyFastSearchandFindofDensityPeaks)聚类算法和NBC(NaiveBayesClassifiers)算法进行优化研究,提出NM-CFSFDP(CFSFDPbasedonNeighborDistanceCurveandMergingClu

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。