开题报告数据挖掘.doc

文档介绍：该【开题报告数据挖掘 】是由【读书之乐】上传分享，文档一共【13】页，该文档可以免费在线阅读，需要了解更多关于【开题报告数据挖掘 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。附表三:
高校教师在职攻读硕士
学位硕士论文
选题计划表
硕士姓名：　　　
指导教师：
专 业: 计算机应用技术
所属院（所）：计算机科学与技术学院
4 月 2 日
硕士姓名

专 业
计算机应用技术
导师姓名

研究方向
数据挖掘
毕业论文题目
数据挖掘在高职教学中的应用
论文类型
理论研究
应用研究
用于生产
其它
选题目的和意义：
由于我国大众化高等教育的普及，高校学生数量的激增，给高校教学工作带来了诸多新的问题。特别是高职学生，他们的主体是普通高中应届毕业生高考最后一批录用的学生。这些学生在学习意识、学习办法、学习能力及学习动力上比较欠缺，并可能有较多常见的心理问题。大部分学生没有养成良好的学习习惯。他们中的大部分学习基础比较差．自制力也比较弱，学习目的不够明确，缺少刻苦钻研精神。诸多学生就读离职并不是由于本身渴望学习。而是无可奈何或出于应付家长的规定。他们对所学的专业并没有太多理解，因此学习目的不够明确同时，他们还对社会对其的容纳有一种怀疑，这种怀疑直接造成了自信心的局限性，由此也影响到学生学习的动力。另外，由于这批学生普遍没有养成良好的学习习惯，叉影响了良好学习氛围的营造，不良的学习氛围又反过束影响学生的学习动力。教师迫切地需要科学地研究高职教学各个环节中的大量的数据信息。从中获取知识，继而科学地指导教学。
二十世纪，数据库技术获得了决定性的成果并且得到广泛应用．大量信息在给人们带来方便的同时也带来了一大堆难题；第一是信息过量，难以消化；第二是信息真假难以辨识：第三是信息安全难以确保；第四是信息形式不一致，难以统一解决。人们开始提出一种新的标语：“要学会抛弃信息”，并开始考虑：“如何才干不被信息沉没，而是从中及时发现有用的知识、提高信息运用率?”如何从含有海量信息的数据库中提取潜在、有价值的信息来辅助决策，预测将来成为信息解决的更新更高的规定，知识发现和数据挖掘技术应运而生，共显示出强大的生命力。数据挖掘使数据库技术进入了一种更高级的发展阶段。
数据挖掘技术(Data Mining)被称为将来信息解决的骨干技术之一，是一种多学科交叉研究领域，融合了数据库，人工智能、机器学习，统计学，知识工程、面对对象办法、信息检索，高性能计算以及数据可视化等多项最新技术．数据挖掘技术从80年代末开始出现。短短二十数年它的发展速度很快。现在数据挖掘技术在零售业的购物篮分析、金融风险预测、产品质量分析、通讯及医疗服务、基因工程研究等许多领域得到了成功的应用．诸多专项会议也把数据挖掘和知识发现列为议题之一。把数据挖掘技术应用于高等学校的教学与管理中，是数据挖掘技术在又一种领域的应用．高等学校数年来的教学和管理工作积累了大量的数据，现在，鉴于社会对高等学校发展的需求和高校数据管理的现状，运用这些数据理性的分析学校各方面工作的成效以及教师发展状况，对高校教学管理决策支持系统的影响变得十分重要。数据挖掘技术能从大量数据中发现有用的知识，这些知识对高等学校教学管理的决策支持是十分故意义的。运用数据挖掘技术从数据仓库中获取高质量的信息，能够检查教学效果，调节课程设立。合理安持师资，对的评价教师的年度工作，及辅助调节招生计划、分析预测就业趋势等等。即使现在数据挖掘技术重要在商业领域中得到广泛发展，，关系到教师评价、人才管理及学生选课指导、学生成绩分析等内容。这些数据含有复杂性、多因素性和含糊性等特点，是一类带有大量不拟定因素的半构造化问题或非构造化问题而大量的数据重要是以各级管理部门提供的统计报表和简朴信息查询方式存在，对这些数据所隐含的价值没有充足挖掘运用。通过数据挖掘技术，找出有价值的信息，客观、科学、全方面地供教学管理部门参考。
以学生成绩为例，教师对学生成绩的分析解决普通仅仅是统计成绩处在优、普通、差级别的人数，对于学生获得这些成绩的因素往往无法理解。如果教师能够找到有关影响学生学习成绩的因素，必然对教学质量的提高起到主动的作用。
国内外研究动态：
自1989年第11届国际联合人工智能学术会议上初次提出KDD这一概念以来，数据挖掘日益受到人们的关注。并已经成为现在计算机领域的一大热点，其研究的重点也逐步从发现办法转移到系统应用，并且重视多个发现方略和技术的集成，以及多学科之间的互相渗入。
从总体上，国外在数据挖掘领域中的研究内容十分广泛，从挖掘知识的种类看，己经获得了明显的成果。
1、关联规则的研究。近几年对关联规则的研究内容较多。现在，关联规则的挖掘已经从单一概念层次关联规则的发现发展到多概念层次关联规则的发现，并把研究的重点放在提高算法的效率和规模可收缩性上。现在，人们对于定量关联规则以及其它种类的关联规则的发现研究较为进一步，提出了关联规则的爱好性的概念。与此同时，在提高挖掘过程的效率方面也作了不少的研究。比较出名的算法有Apfiori，Charm，FP-Growth，MagnumOPUSS，GenMax
2、数据分类技术研究。基于决策树的分类办法在大规模数据库条件下的应用研究；在较高的抽象层次分类中，M．Mehte．等人针对大型数据库提出了种快速分类算法，称为QUEST中的超级学习算法，SLIQ：分类与回归的管状领域研究、近来邻分类办法的改善等等。
3、聚类规则研究。近年，聚类开始在大型数据库中得到研究，R．Ng和1．Han基于随机搜索以及统计学中的两个聚类算法PAM和CLARA，给出了一种合用于大型应用的聚类算法：CLARANS。M．Este等人针对CLARANS算法的缺点，提出了改善技术。T．Zhang等人则提出了另一种聚类算法：BIRCH。
4、泛化、简约和特性提取研究。运用数据可视化大大扩展了数据的体现和理解能力，这是数据简约的一种非常重要的技术，它正受到广泛的重视。
与国外相比，国内对数据挖掘与知识发现(MDKD)的研究稍晚，1993年国家自然科学基金初次支持对该领域的研究项目。现在，清华大学、中科院计算技术研究所、空军第三研究所、海军装备论证中心等竞相开展数据挖掘的基
本理论及其应用研究。其中，北京系统工程研究所对含糊办法在知识发现中的应用进行了较进一步的研究，北京大学也在开展对数据立方体代数的研究；华中理工大学、复旦大学、浙江大学、中国科技大学、中科院数学研究所、吉林大学等单位开展了对关联规则开采算法的优化和改造：南京大学、四川联合大学山东师范大学硕士学位论文上海交通大学等单位探讨，研究了非构造化数据的知识发现以及Web数据挖掘。现在尽管与国际上的进展相差并不远，某些研究成果例如：总参六十一所李德毅专家在云模型方面的研究、复旦大学的施伯乐专家在关系数据厍中知发现方面获得很大的成果，南京大学开发的KNIGHT系统等．但在实际应用方面却鲜有所闻，成功的例子极少，没有形成整体力量。总的说来．国内在数据挖掘方面的开发还停留在实验的阶段，没有能够真正的投入到实际生产应用中去。
数据挖掘最先应用于金融和商业领域，在教育层面上还只能算是新生事物，处在发展的初级阶段。国内高校现在在校园信息网中开展数据挖掘的研究并不广泛。浙江大学使用关联规则发现技术对高校的人事信息库进行挖掘，试图找到影响学科发展的因素，发现如何评价一种学科，以及影响学科发展的各个要素之间的关系。另外。曲阜师范大学体育系与上海市体委就体育人才的选拔探讨了数据挖掘的可行性。在每年对中小学生的体质调查中，积累了大量的数据，运用数据挖掘技术，他们试图从数据中进一步寻找多个因素的互相联系，发现某些随机因素动态变化而产生的新的指导学校体育科研和教学训练的规律，进而发现运动人才。数据挖掘在教育层面上的研究还只能算是新生事物，处在发展的初级阶段。在教育信息化的大趋势下，将数据挖掘技术应用于教育领域内的学生招募、市场细分、学生来源分析、课程有关性、学习评价度量、学生生涯规划、远程开放教育的个性化服务等方面，必然有十分广阔的前景。
数据挖掘是一种技术，和其它技术同样，数据挖掘也需要时间和精力来研究、开发和逐步成熟，最后被人们接受。现在己经有诸多通用的数据挖掘系统，但是还不能达成盼望的智能系统那样。在近来的数据挖掘研究和开发中，某些挑战也已受到一定程度的关注，并考虑到了多个需求，而另某些处在研究阶段。然而，这些问题将继续刺激进一步的研究和改善。我们相信，随着数据挖掘任务和办法的发展，一定能带给我们更多的利益，能够节省我们的时间和金钱，并发现新的知识。
重要内容：
高等学校数年来的教学和管理工作积累了大量的数据，现在这些数据尚未能得到有效运用，只是一种待开发的“宝藏”。鉴于社会对高等学校发展的需求和现在高校数据管理现状，运用这些数据理性地分析学校各方面工作的成效以及学生培养过程中的得失变得十分重要。
本文重要研究在高校扩招、师生比过大的教学条件下，教师如何运用丰富的信息资源，采用数据挖掘技术，获得辅助决策知识，指导教学，从而进一步提高教学质量。
数据挖掘技术重要介绍数据挖掘的基本知识，涉及数掘挖掘的过程、数据挖掘的任务、数掘挖掘的分类以及数据挖掘的惯用技术和办法。探索数据挖掘技术在高校教学中的应用，提出数据挖掘技术在高校教学应用中的实施方案。
实验设计方案：
第一步，拟定挖掘对象、目的。清晰地定义出问题，认清数据挖掘的目的是数据挖掘的重要一步。挖掘的最后成果是不可预测的，但要探索的问题应是有预见的。
第二步，数据采集。这是一种工作量较大，占据时问较多的一种阶段。教师需要在以往的教学实践中，注意收集数据信息，有些数据的产生能够直接获得，有些数据需要对学生进行调查获得。
第三步，数据转换。这一步是将教师收集到的不同的数据信息集成并转换为一种分析数据模型，这一数掘模型是针对算法而准备的．不同的算法可能需要不同的分析数据模型。
第四步，数据分类挖掘。分类挖掘的目的是为了建立一种分类模型。首先要选择适宜的挖掘算法，并使用适宜的程序设计软件实现这一算法：接着对所得到的通过转换的数据进行挖掘。
第五步，分类规则成果分析。这一步重要解释和评定分类成果。
第六步。知识的应用。这一步是将分析所得到的知识集成到教师的教学环节中去，教师可运用所得知识改善教学方略．指导进一步教学。
准备工作状况和重要工作方法：
运用学院的教务管理系统，获得学生的成绩信息。设计学生信息调查表，由学生填写，内容涉及学生对计算机公共基础课程的感爱好程度、课堂学习效果、对本课程的认识和教师的教学办法等。
运用数据挖掘算法对数据进行解决，建立决策树，得出推动计算机课程教学的规则。
论文进度安排及预期达成研究成果：
.4-.9 资料查询、拟定论文主题
.9-.10 数据挖掘的理论研究
.10-.11数据挖掘惯用技术研究
.11-.12数据挖掘的应用研究
.12-.1数据挖掘的新技术研究
.1-.2 数据挖掘的发展方向
.2-.4撰写论文
.4-.5论文修改

文献综述：
（4000字以上，参考文献30篇以上，其中最少10篇外文参考文献）
考核小组对报告人查阅
专业技术文献状况的评价
查阅与本专业有关的专业技术文献数量与否达成30篇（其中外文10篇）？
查阅的文献与否全方面，与否反映本学科专业的最新学术动态，对撰写硕士学位论文与否含有指导意义指导意义？
文献综述与否认真、有条理，能否较全方面地概括文献的主题和创新点？
请对文献综述进行综合评价并给成绩（按合格、不合格）。
考核小组负责负责签字：

　　　　　　　　　　　　　　　　　　　　　　　　年　　月　　日