- 相關推薦
數(shù)據(jù)挖掘技術在中等職業(yè)學校管理實踐中的應用研究
摘 要：我國中等職業(yè)教育的學校規(guī)模、在校生人數(shù)等都有了很大的發(fā)展，高效的數(shù)據(jù)管理對學校發(fā)展起到越來越重要的作用。利用Hash樹和Fp樹對Apriori算法對學生信息、教學信息、后勤信息進行分析和研究，并進行優(yōu)化和實施關聯(lián)規(guī)則挖掘，用遺傳算法對挖掘成果進行優(yōu)化，以此來推動中等職業(yè)教育的發(fā)展。關鍵詞： 數(shù)據(jù)挖掘；關聯(lián)規(guī)則；遺傳算法
1 引言
信息時代的計算機數(shù)據(jù)存儲技術等得到了飛速發(fā)展。大量的數(shù)據(jù)與數(shù)據(jù)分析處理方法相互結合產生了數(shù)據(jù)挖掘技術，目前數(shù)據(jù)挖掘是在許多領域和方面得到了廣泛應用的技術。隨著中等職業(yè)教育的發(fā)展，提高職業(yè)教育質量已成為一個系統(tǒng)工程。目前職業(yè)學校已存儲了以學校教學實踐為中心的大量數(shù)據(jù)，但是其背后所蘊含的大量有用信息并未得到發(fā)現(xiàn)和利用，主要是因為利用分析方法不適應職業(yè)學校的大量復雜數(shù)據(jù)。利用數(shù)據(jù)挖掘技術從中發(fā)現(xiàn)有價值的信息可以指導職業(yè)學校教學、就業(yè)、后勤等各方面的管理，提高管理效率，降低成本，推動職業(yè)教育更好的發(fā)展。
2 關聯(lián)規(guī)則挖掘算法
2.1 Apriori算法及改進
Apriori算法是關聯(lián)規(guī)則挖掘的基本算法，它利用項集的先驗性知識和層次順序的循環(huán)搜索方法來發(fā)現(xiàn)頻繁項集，首先產生頻繁1-項集L1；然后利用L1來產生頻繁2-項集L2，不斷循環(huán)下去直到無法發(fā)現(xiàn)更多的頻繁K-項集為止。
從兩個方面對Apriori算法進行改進。
2.1.1 利用HASH樹對支持度進行計數(shù)
HASH樹根節(jié)點為空，用HASH函數(shù)來決定內部節(jié)點的分支走向，遍歷HASH樹可以對候選項集支持度進行計數(shù)，用HASH樹對候選項集的支持度進行計數(shù)，避免了窮舉法對事務中的每個項集與候選項集進行比較，而是進行了分類，降低了支持度計數(shù)的任務量。
2.1.2 用FP樹提取頻繁項集
FP樹(frequent pattern tree)實現(xiàn)了對數(shù)據(jù)的緊湊表示，可以從該結構中直接提取頻繁項集。FP樹之中的一條路徑所表示的數(shù)據(jù)序列對應一條事務中的數(shù)據(jù)，對于不同事務中相同的數(shù)據(jù)項對應的FP樹中的路徑可以重疊，從而實現(xiàn)了事務數(shù)據(jù)的緊湊表示。FP樹的節(jié)點包括數(shù)據(jù)項的標記和計數(shù)，計數(shù)表示經過該路經的事務個數(shù)。
（1）對各數(shù)據(jù)項的數(shù)據(jù)按照它們的支持度計數(shù)的遞減順序排序，從而調整數(shù)據(jù)集中各數(shù)據(jù)的次序。
（2）由數(shù)據(jù)集構造FP樹，對第一個事務創(chuàng)建從根節(jié)點到事務中各數(shù)據(jù)的路徑并進行支持度計數(shù)。
（3）繼續(xù)讀入事務，與創(chuàng)建過路徑的事務進行比較將新事務加入FP樹，如果與創(chuàng)建過的事務有相同的路徑則合并相同的路徑，相應節(jié)點支持度增加，不同路徑增加不同的分支，進行支持度計數(shù)。
（4）繼續(xù)該過程直到所有的事務都映射到FP樹。
（5）由FP樹依據(jù)不同的結尾進行劃分，產生以其為后綴的路徑。
（6）不同的后綴產生相應的頻繁項集。
2.2 關聯(lián)規(guī)則的發(fā)現(xiàn)
由頻繁項集可以較為容易地產生相應的關聯(lián)規(guī)則，可以通過計算置信度來獲得強關聯(lián)規(guī)則，關聯(lián)規(guī)則的操作為：
2.2.1 對于每個頻繁項集L產生所有的非空子集。
2.2.2 對于L的非空子集 ,如果c( L- )= ≥min_s，則產生 (L- )的關聯(lián)規(guī)則, min_s為最小置信度閥值。
3 學校信息的數(shù)據(jù)挖掘
3.1 對學校信息進行關聯(lián)挖掘
下邊以有代表性的學生就業(yè)方面信息為例來進行分析。就業(yè)信息庫中的數(shù)據(jù)項包括：學生的編號、成績、學生干部、操行等級、實踐動手能力、就業(yè)單位，其中編號為學生的唯一標識。為了便于數(shù)據(jù)存取現(xiàn)在對各數(shù)據(jù)項的內容進行編號，其中成績項分為：優(yōu)(a1)，良(a2)，一般(a3)；學生干部分為：是(b1)、不是(b2)；操行等級程度分為：良(c1)、優(yōu)(c2)、一般(c3)；實踐動手能力分為：強(d1)、較強(d2)、一般(d3)。就業(yè)單位分為：大型公有企業(yè)(e1)、大型私企 (e2)、一般公有企業(yè) (e3)、一般私企(e4)。
現(xiàn)有部分學生就業(yè)信息：
學生信息庫中共有125條學生就業(yè)方面的信息，應用挖掘軟件對其進行數(shù)據(jù)挖掘，最小支持度選定為0.3，最小置信度選定為0.5。其數(shù)據(jù)信息和挖掘結果如下所示：
在該就業(yè)數(shù)據(jù)庫中就業(yè)信息處于最主要的地位，也最有分析價值和現(xiàn)實意義。為了挖掘就業(yè)方面的關聯(lián)規(guī)則，發(fā)現(xiàn)影響就業(yè)情況的因素，從挖掘結果中提取“結論”含有就業(yè)數(shù)據(jù)項(e1,e2,e3)的規(guī)則，得到的規(guī)則表達式和可信度為：
（1）b1|c2 e1 confidence=0.84
（2）b1 e1 confidence=0.62
（3）b1|d2 e1 confidence=0.62
（4）c2|d2 e1 confidence=0.58
（5）b2 e2 confidence=0.52
（6）c2 e2 confidence=0.56
（7）b2|c2 e2 confidence=0.91
（8）a2 e2 confidence=0.64
由1至4式得：學生干部且操行達到優(yōu)、學生干部、學生干部并且實踐動手能力較強、操行達到優(yōu)且實踐動手能力較強到大型公有企業(yè)就業(yè)的可能性分別為0.84、0.62、0.62、0.58。
分析可以得到如下結果：學生干部和操行等級對進入大型公有企業(yè)就業(yè)有著重要影響，同時也應該提高實踐動手能力。
由5到8式得：不是學生干部、操行達到優(yōu)、不是學生干部且操行達到優(yōu)、學習良好到大型私企的可能性分別是0.52、0.56、0.91、0.64。
分析得：操行等級和學習成績對進入大型私企有較大的影響，同時是學生干部對進入大型私企沒有進入大型公有企業(yè)的影響力大。
3.2 遺傳算法對挖掘結果的優(yōu)化
遺傳算法是模擬生物的遺傳、變異、選擇、淘汰等自然選擇和遺傳機制，以隨機的形式將最適合目標的種群通過重組產生新的一代。該算法是一種全局優(yōu)化算法，適合于較大空間的優(yōu)化問題，具有并行性、糾錯能力強和可操作性的特點。在數(shù)據(jù)挖掘中會遇到搜索尋求可行解或最優(yōu)解，需要處理海的量數(shù)據(jù)要花費很長時間，遺傳算法的啟發(fā)式解決問題的方法可以應用到這一方面。
由上面得到把各種要素對就業(yè)的影響可以用數(shù)學函數(shù)來表示，影響作用的大小對應函數(shù)值的大小。下面利用遺傳算法對挖掘結果的優(yōu)化，流程圖如下。
具體應用中就業(yè)情況受多個因素的影響，先抽取最有影響的兩個因素建立模型函數(shù)，下邊以函數(shù)y= (x1*x1-x2)*(x1*x2-x2)+(1-x1)*(1-x1)為例來分析，其中y為學生的就業(yè)情況好壞的量化表示，x1、x2分別是操行等級和動手實踐能力。 程序中的類型定義為：
int popsize; //種群大小
int maxgeneration; //最大世代數(shù)
double pc; //交叉率
double pm; //變異率
double fitness; //適應度
int generation; //世代數(shù)
struct individual bestindividual; //最佳個體
struct individual worstindividual; //最差個體
struct individual population[POPSIZE];
各函數(shù)說明如下：
（1）void generateinitialpopulation ( )和void input ( )初始化種群和遺傳算法參數(shù)。
input( ) 函數(shù)輸入種群大小，染色體長度，最大世代數(shù)，交叉率，變異率等參數(shù)。
（2）void calculateobjectvalue( )計算適應度函數(shù)值。根據(jù)給定的變量用適應度函數(shù)計算然后返回適應度值。
（3）選擇函數(shù)selectoperator( )，在函數(shù)selectoperator( )中首先用rand ()函數(shù)產生0～1間的選擇算子，當適度累計值不為零時，各個體適應度占總適應度的百分比與選擇算子值比較，達到選擇算子規(guī)定值的那個體被選出，即適應度為fi的個體以fi/∑fk的概率繼續(xù)存在；顯然，個體適應度愈高，被選中的概率愈大。但是，適應度小的個體也有可能被選中，以便增加下一代群體的多樣性。
（4）染色體交叉函數(shù)crossoveroperator( )是遺傳算法中的最重要的函數(shù)之一，它是對個體兩個變量所合成的染色體進行交叉，而不是變量染色體的交叉，這要搞清楚。首先用rand ()函數(shù)產生隨機概率，若小于交叉概率，則進行染色體交叉，同時交叉次數(shù)加1。這時又要用rand()函數(shù)隨機產生一位交叉位，把染色體的交叉位的后面部分交叉即可；若大于交叉概率，則進行簡單的染色體復制即可。
（5）染色體變異函數(shù)mutation( )，變異是針對染色體字符而言的，而不是對個體而言，即個體變異的概率是一樣。隨機產生比較概率，若小于變異概率，則1變?yōu)?，0變?yōu)?，同時變異次數(shù)加1。
（6）long decodechromosome(char *,int,int) ，本函數(shù)是染色體解碼函數(shù)，它將以數(shù)組形式存儲的二進制數(shù)轉成十進制數(shù)，然后才能用適應度函數(shù)進行計算。
（7）void findbestandworstindividual( )，本函數(shù)是求最大適應度個體的，每一代的所有個體的適應度都要和初始的最佳個體比較，如果大于就賦給最佳個體。
（8）void outputtextreport ( )，本函數(shù)輸出種群統(tǒng)計結果。
運行結果如圖3.4所示為：
設定種群大小為150， 最大世代數(shù)為80，交叉率為0.5，變異率為0.05，運行結果如圖3.4所示，由此得到y(tǒng)=(x1*x1-x2)*(x1*x2-x2)+(1-x1)*(1-x1)的最大值約為47.86，即：整體學生操行等級和動手實踐能力對就業(yè)的影響程度為47.86。這為大量數(shù)據(jù)的最優(yōu)求解問題提供一種參考方法，具有很大的借鑒意義。上述分析方法也有很大的局限性，主要是選擇合適的評價函數(shù)即適應度函數(shù)問題。
4 結論
目前，數(shù)據(jù)挖掘技術在職業(yè)學校信息管理中的應用還處于起步階段，但是由于其在數(shù)據(jù)處理、分析、組織以及信息挖掘等方面所表現(xiàn)出來的巨大潛力，相信不久的將來,隨著數(shù)據(jù)庫的不斷膨脹和數(shù)據(jù)挖據(jù)技術在職業(yè)學校信息管理中應用的不斷深入，為我國職業(yè)學校的跨越式發(fā)展起到一個科學導向作用。
參 考 文 獻：
[1] 陳安，陳寧，周龍驤.數(shù)據(jù)挖掘技術與應用.北京：科學出版社，2006
[2] Pang-Ning Tan Michael Steinbach Vipin Kumar.數(shù)據(jù)挖掘導論.北京：人民郵電出版社，2006
[3] 李本貴．數(shù)據(jù)挖掘在高校后勤中的應用．企業(yè)技術開發(fā)，2006(2)：22~23
[4] 錢能.C++程序設計教程.北京：清華大學出版社，1999
[5] 張儒良，王翰虎.論數(shù)據(jù)挖掘優(yōu)化教學管理.2004(2)：133~155
[6] 谷瓊，朱麗，蔡智華，袁紅星.基于決策樹的高校研究生信息庫數(shù)據(jù)挖掘.電子技術應用，2006(1)：21~22
【數(shù)據(jù)挖掘技術在中等職業(yè)學校管理實踐中的應用研究】相關文章：
數(shù)據(jù)挖掘在高校學籍管理的作用論文范文04-29
數(shù)據(jù)挖掘論文的參考文獻04-15
中等職業(yè)學校語文教學模式初探08-09
虛擬現(xiàn)實技術應用研究06-09
數(shù)據(jù)挖掘在電力企業(yè)中的應用論文04-21
談中等職業(yè)學校體育課程教學改革08-21