【SQL开源代码栏目提醒】:网学会员为广大网友收集整理了,立题依据 论文 - 讲义教程,希望对大家有所帮助!
立题依据:随着科技的发展 计算机、网络、数据库等技术广泛应用于日常管理中 各行各业积累了大量的信息数据 对数据库的存取与查询操作 已远远不能满足要求。
人们需要从海量数据中获得这些数据背后的更重要信息 如数据的整体特征描述 试图发现事件间的相互关联 以及发展趋势进行预测。
数据挖掘 从数据中挖掘知识 就是从大量的、不完全的、有噪声的、模糊的、随机的数据中 提取隐藏在其中的、人们事先不知道的、潜在有用的信息和知识的过程。
与数据挖掘相近的术语有: 从数据库发现知识 KDD 、数据分析、知识抽取、模式分析、信息收割、数据融合以及决策支持等。
数据挖掘不仅能对过去的数据进行
查询 并且能够对将来的趋势和行为进行预测 并自动探测以前未发现的模式。
高校的教师教学科研管理涉及教师教学、科研活动、教师教学质量等多方面大量的数据。
充分运用数据挖掘技术 可以及时了解教师教学状况、分析教师教学与科研相互间的关系、把握教学与科研方面的异常现象等 从而增强教学与教学管理改革的针对性 提高管理工作的效率和质量。
通过本课题,学生可以进一步了解数据挖掘技术的相关概念,结合数据挖掘过程中数据收集、数据清洗、数据规范、关联规则挖掘、决策树和系统分析设计技术,科学合理的分析高校教师教学科研管理数据和课程任务安排、教学之间的潜在关联关系并进行预测分析。
毕业论文,使学生熟悉科研论文的写作结构,较为深入的了解数据挖掘算法及其在大学生课程学习数据中的应用,进而增强学生独立解决实际
问题的能力。
研究目标:本课题拟利用设数据挖掘(Data Mining)及关联规则挖掘、决策树、以及聚类等技术,利用学院已有的大学生四年课程学习数据,通过分析学院的学生学习数据,对大学生四年
学习中的
课程进行关联分析,对教育数据进行挖掘”,用以挖掘隐含在数据中的、对学院管理部门有用的未知数据;并适时利用已有数据进行关联分析与预测,为未来学院的课程设置调整等提供决策支持。
通过本课题,学生可以进一步了解数据挖掘的概念和技术,结合真实的数据进行数据清洗、转换等规范化工作,应用关联规则进行频繁模式发现以及决策树、聚类等数据挖掘技术进行知识发现,并对挖掘出的结果结合具体的实际进行解读分析。
课题预期目标为:以石河子大学信息科学与技术学院近年来教师教学科研数据为基础,应用相关的数据挖掘技术,系统性的阐述数据的相关概念、技术;并根据具体的实际需要开展算法,应用现有的开源
软件与已掌握的高级编程语言和集成开发环境,进行综合实验,并对实验结合大学的实际进行分析。
论文的主题结构参考一般的学术论文的结构进行展开,要求严格按照数据挖掘的一般流程进行阐述,并将设计实现的实验数据进行分析解读,尝试挖掘出隐含的内在关联的内容。
外部条件:可利用 1 台 PC 构建开发及应用环境。
限 Windows 系统平台,具体配置不限。
开发环境:主机配置
系统平台 Windows XP 或 Windows 200X 版本都可以高级编程语言可在 VC、C、Java 等选择集成开发环境 Visual Studio 简体中文版,或者 Eclipse 集成开发环境OO 编程语言 C,
Java,C等均可以参考文献:有关数据挖掘、以及经典算法参考代码方面的参考资料,请参考如下书籍或站点资源:1 数据挖掘:概念与技术原书第 3 版 韩家炜、Micheline Kamber、裴健、 范明 机械工业出版社 2012-08 出版2 数据挖掘导论完整版 陈封能Pang-Ning Tan、斯坦巴赫Michael Steinbach、库玛尔Vipin Kumar、 范明 人民邮电出版社 2011-01 出版3 数据挖掘:实用机器学习工具与技术(英文版第 3 版) 威腾 Witten.I.H.、弗兰克Frank.E.、 霍尔 Hall.M.A. 机械工业出版社 2012-03 出版4 用 Excel 学数据挖掘 上田和明、刈田正雄、渕上美喜、 等 科学出版社 2012-07 出版5 SQL Server 2008 R2:数据挖掘与商业智能基础及高级案例实战 谢邦昌、郑宇庭、 苏志雄 中国水利水电出版社 2011-10 出版6 IBM 的 Developerworks 技术网站: (有关 Rational Rose http://www.ibm.com/developerworks/等 IBM 系列系统分析与
设计工具的介绍,强烈推荐! )7 机器学习 米歇尔Mitchell T.M.、曾华军、 等 机械工业出版社 2008-03 出版进程:1-3 周 收集文献资料,分析课题要求,准备开题报告4-6 周 研读数据挖掘相关文献,着手准备数据,完成开题
报告7-10 周 在前期基础上设计所需的实验并完善数据,进行实验,完成中期检查11-13 周 论文的撰写、同期进行数据挖掘的实验,完成数据分析14-16 周 论文的修改、答辩准备具体要求:课题要求在了解当前数据挖掘在高校教师教学科研数据应用的前提下, 充分运用数据挖掘技术 通过分析高校教师的教学科研数据,分析教师教学投入与科研投入相互间的关系(关联规则挖