數(shù)據(jù)挖掘技術(shù)在考生志愿分析中的應(yīng)用研究.pdf

1、隨著數(shù)據(jù)庫技術(shù)的迅速發(fā)展以及數(shù)據(jù)庫管理系統(tǒng)的廣泛應(yīng)用，各行各業(yè)積累了大量的歷史數(shù)據(jù)，而這些激增的歷史數(shù)據(jù)中往往隱藏著很多重要的信息。如何從歷史數(shù)據(jù)中及時發(fā)現(xiàn)有用的知識，從而挖掘出其潛在的價值，提高其利用率，是信息處理技術(shù)研究領(lǐng)域的一項重要課題。作為其解決方案，近年來數(shù)據(jù)挖掘(DataMining，DM)技術(shù)迅速崛起。 以省為單位，每年高考志愿信息相關(guān)記錄高達數(shù)百萬條，分布存儲在省市的多個數(shù)據(jù)庫中，這些數(shù)據(jù)規(guī)模巨大，蘊涵豐富的決策

2、信息和知識，開發(fā)這些寶貴的信息資源，是服務(wù)高招錄取工作，指導(dǎo)考生科學(xué)地填報志愿的一項重要任務(wù)，是目前迫切需要解決的問題之一。 本文以數(shù)據(jù)挖掘技術(shù)為數(shù)據(jù)分析手段，根據(jù)高考志愿數(shù)據(jù)的特點和平行志愿投檔方式下考生的自我定位原則，對高考志愿及相關(guān)數(shù)據(jù)進行了分析和研究，提出了一個基于數(shù)據(jù)挖掘技術(shù)的考生志愿風(fēng)險評估模型，并給出了相應(yīng)具體的算法和解決方案。具體的有以下幾個方面的工作。 1.對考生志愿相關(guān)數(shù)據(jù)進行預(yù)處理。 2.靈

3、活運用決策樹C4.5算法并進行改進，針對該算法易忽略小數(shù)據(jù)量屬性的缺點和為提高稀少樣本精度，使用屬性遞歸優(yōu)化與經(jīng)驗優(yōu)選策略相結(jié)合的方法；同時提出了能進行增量學(xué)習(xí)的C4.5算法處理方法，生成非平衡數(shù)據(jù)集下的決策樹，設(shè)計一個志愿分析的分類器。 3.根據(jù)考生填報志愿時自我定位的實際情況，合理的選擇K-Means聚類算法的初始中心，使用K-Means聚類算法對院校等信息進行聚類，對高考相關(guān)數(shù)據(jù)進行知識挖掘，獲取其中規(guī)律性的潛在信息。