數(shù)據(jù)挖掘技術(shù)在中等職業(yè)學(xué)校管理實(shí)踐中的應(yīng)用研究

1、<p>　　數(shù)據(jù)挖掘技術(shù)在中等職業(yè)學(xué)校管理實(shí)踐中的應(yīng)用研究</p><p>　　摘 要：我國中等職業(yè)教育的學(xué)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(xué)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(xué)生信息、教學(xué)信息、后勤信息進(jìn)行分析和研究，并進(jìn)行優(yōu)化和實(shí)施關(guān)聯(lián)規(guī)則挖掘，用遺傳算法對挖掘成果進(jìn)行優(yōu)化，以此來推動中等職業(yè)教育的發(fā)展。 </p><

2、p>　　關(guān)鍵詞： 數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則；遺傳算法 </p><p><b>　　1 引言 </b></p><p>　　信息時代的計(jì)算機(jī)數(shù)據(jù)存儲技術(shù)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(jié)合產(chǎn)生了數(shù)據(jù)挖掘技術(shù)，目前數(shù)據(jù)挖掘是在許多領(lǐng)域和方面得到了廣泛應(yīng)用的技術(shù)。隨著中等職業(yè)教育的發(fā)展，提高職業(yè)教育質(zhì)量已成為一個系統(tǒng)工程。目前職業(yè)學(xué)校已存儲了以學(xué)校教

3、學(xué)實(shí)踐為中心的大量數(shù)據(jù)，但是其背后所蘊(yùn)含的大量有用信息并未得到發(fā)現(xiàn)和利用，主要是因?yàn)槔梅治龇椒ú贿m應(yīng)職業(yè)學(xué)校的大量復(fù)雜數(shù)據(jù)。利用數(shù)據(jù)挖掘技術(shù)從中發(fā)現(xiàn)有價值的信息可以指導(dǎo)職業(yè)學(xué)校教學(xué)、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。 </p><p>　　2 關(guān)聯(lián)規(guī)則挖掘算法 </p><p>　　2.1 Apriori算法及改進(jìn) </p><

4、;p>　　Apriori算法是關(guān)聯(lián)規(guī)則挖掘的基本算法，它利用項(xiàng)集的先驗(yàn)性知識和層次順序的循環(huán)搜索方法來發(fā)現(xiàn)頻繁項(xiàng)集，首先產(chǎn)生頻繁1-項(xiàng)集L1；然后利用L1來產(chǎn)生頻繁2-項(xiàng)集L2，不斷循環(huán)下去直到無法發(fā)現(xiàn)更多的頻繁K-項(xiàng)集為止。 </p><p>　　從兩個方面對Apriori算法進(jìn)行改進(jìn)。 </p><p>　　2.1.1 利用HASH樹對支持度進(jìn)行計(jì)數(shù) </p>&l

5、t;p>　　HASH樹根節(jié)點(diǎn)為空，用HASH函數(shù)來決定內(nèi)部節(jié)點(diǎn)的分支走向，遍歷HASH樹可以對候選項(xiàng)集支持度進(jìn)行計(jì)數(shù)，用HASH樹對候選項(xiàng)集的支持度進(jìn)行計(jì)數(shù)，避免了窮舉法對事務(wù)中的每個項(xiàng)集與候選項(xiàng)集進(jìn)行比較，而是進(jìn)行了分類，降低了支持度計(jì)數(shù)的任務(wù)量。 </p><p>　　2.1.2 用FP樹提取頻繁項(xiàng)集 </p><p>　　FP樹(frequent pattern tree)實(shí)

6、現(xiàn)了對數(shù)據(jù)的緊湊表示，可以從該結(jié)構(gòu)中直接提取頻繁項(xiàng)集。FP樹之中的一條路徑所表示的數(shù)據(jù)序列對應(yīng)一條事務(wù)中的數(shù)據(jù)，對于不同事務(wù)中相同的數(shù)據(jù)項(xiàng)對應(yīng)的FP樹中的路徑可以重疊，從而實(shí)現(xiàn)了事務(wù)數(shù)據(jù)的緊湊表示。FP樹的節(jié)點(diǎn)包括數(shù)據(jù)項(xiàng)的標(biāo)記和計(jì)數(shù)，計(jì)數(shù)表示經(jīng)過該路經(jīng)的事務(wù)個數(shù)。 </p><p>　?。?）對各數(shù)據(jù)項(xiàng)的數(shù)據(jù)按照它們的支持度計(jì)數(shù)的遞減順序排序，從而調(diào)整數(shù)據(jù)集中各數(shù)據(jù)的次序。 </p><p&g

7、t;　?。?）由數(shù)據(jù)集構(gòu)造FP樹，對第一個事務(wù)創(chuàng)建從根節(jié)點(diǎn)到事務(wù)中各數(shù)據(jù)的路徑并進(jìn)行支持度計(jì)數(shù)。 </p><p>　?。?）繼續(xù)讀入事務(wù)，與創(chuàng)建過路徑的事務(wù)進(jìn)行比較將新事務(wù)加入FP樹，如果與創(chuàng)建過的事務(wù)有相同的路徑則合并相同的路徑，相應(yīng)節(jié)點(diǎn)支持度增加，不同路徑增加不同的分支，進(jìn)行支持度計(jì)數(shù)。 </p><p>　?。?）繼續(xù)該過程直到所有的事務(wù)都映射到FP樹。 </p>

8、<p>　　（5）由FP樹依據(jù)不同的結(jié)尾進(jìn)行劃分，產(chǎn)生以其為后綴的路徑。 </p><p>　?。?）不同的后綴產(chǎn)生相應(yīng)的頻繁項(xiàng)集。 </p><p>　　2.2 關(guān)聯(lián)規(guī)則的發(fā)現(xiàn) </p><p>　　由頻繁項(xiàng)集可以較為容易地產(chǎn)生相應(yīng)的關(guān)聯(lián)規(guī)則，可以通過計(jì)算置信度來獲得強(qiáng)關(guān)聯(lián)規(guī)則，關(guān)聯(lián)規(guī)則的操作為： </p><p>　　2.

9、2.1 對于每個頻繁項(xiàng)集L產(chǎn)生所有的非空子集。 </p><p>　　2.2.2 對于L的非空子集 ,如果c( L- )= ≥min_s，則產(chǎn)生 (L- )的關(guān)聯(lián)規(guī)則, min_s為最小置信度閥值。 </p><p>　　3 學(xué)校信息的數(shù)據(jù)挖掘 </p><p>　　3.1 對學(xué)校信息進(jìn)行關(guān)聯(lián)挖掘 </p><p>　　下邊以有代表性

10、的學(xué)生就業(yè)方面信息為例來進(jìn)行分析。就業(yè)信息庫中的數(shù)據(jù)項(xiàng)包括：學(xué)生的編號、成績、學(xué)生干部、操行等級、實(shí)踐動手能力、就業(yè)單位，其中編號為學(xué)生的唯一標(biāo)識。為了便于數(shù)據(jù)存取現(xiàn)在對各數(shù)據(jù)項(xiàng)的內(nèi)容進(jìn)行編號，其中成績項(xiàng)分為：優(yōu)(a1)，良(a2)，一般(a3)；學(xué)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(shí)踐動手能力分為：強(qiáng)(d1)、較強(qiáng)(d2)、一般(d3)。就業(yè)單位分為：大型公有企業(yè)(e1)、大

11、型私企 (e2)、一般公有企業(yè) (e3)、一般私企(e4)。 </p><p>　　現(xiàn)有部分學(xué)生就業(yè)信息： </p><p>　　學(xué)生信息庫中共有125條學(xué)生就業(yè)方面的信息，應(yīng)用挖掘軟件對其進(jìn)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(jié)果如下所示： </p><p>　　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(shí)

12、意義。為了挖掘就業(yè)方面的關(guān)聯(lián)規(guī)則，發(fā)現(xiàn)影響就業(yè)情況的因素，從挖掘結(jié)果中提取“結(jié)論”含有就業(yè)數(shù)據(jù)項(xiàng)(e1,e2,e3)的規(guī)則，得到的規(guī)則表達(dá)式和可信度為： </p><p>　?。?）b1|c2 e1 confidence=0.84 </p><p>　　（2）b1 e1 confidence=0.62 </p><p>　?。?）b1|d2 e1

13、 confidence=0.62 </p><p>　?。?）c2|d2 e1 confidence=0.58 </p><p>　　（5）b2 e2 confidence=0.52 </p><p>　?。?）c2 e2 confidence=0.56 </p><p>　　（7）b2|c2 e2 conf

14、idence=0.91 </p><p>　?。?）a2 e2 confidence=0.64 </p><p>　　由1至4式得：學(xué)生干部且操行達(dá)到優(yōu)、學(xué)生干部、學(xué)生干部并且實(shí)踐動手能力較強(qiáng)、操行達(dá)到優(yōu)且實(shí)踐動手能力較強(qiáng)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。 </p><p>　　分析可以得到如下結(jié)果：學(xué)生干部和操行等級

15、對進(jìn)入大型公有企業(yè)就業(yè)有著重要影響，同時也應(yīng)該提高實(shí)踐動手能力。 </p><p>　　由5到8式得：不是學(xué)生干部、操行達(dá)到優(yōu)、不是學(xué)生干部且操行達(dá)到優(yōu)、學(xué)習(xí)良好到大型私企的可能性分別是0.52、0.56、0.91、0.64。 </p><p>　　分析得：操行等級和學(xué)習(xí)成績對進(jìn)入大型私企有較大的影響，同時是學(xué)生干部對進(jìn)入大型私企沒有進(jìn)入大型公有企業(yè)的影響力大。 </p>&

16、lt;p>　　3.2 遺傳算法對挖掘結(jié)果的優(yōu)化 </p><p>　　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(jī)制，以隨機(jī)的形式將最適合目標(biāo)的種群通過重組產(chǎn)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(qiáng)和可操作性的特點(diǎn)。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(fèi)很長時間，遺傳算法的啟發(fā)式解決問題的方法可以應(yīng)用到這一方面。 &

17、lt;/p><p>　　由上面得到把各種要素對就業(yè)的影響可以用數(shù)學(xué)函數(shù)來表示，影響作用的大小對應(yīng)函數(shù)值的大小。下面利用遺傳算法對挖掘結(jié)果的優(yōu)化，流程圖如下。 </p><p>　　具體應(yīng)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(xué)生的就業(yè)情況好壞的量化表示，x1、

18、x2分別是操行等級和動手實(shí)踐能力。 </p><p>　　程序中的類型定義為： </p><p>　　int popsize; //種群大小 </p><p>　　int maxgeneration; //最大世代數(shù) </p><p>　　double pc; //交叉率 </p><

19、p>　　double pm; //變異率 </p><p>　　double fitness; //適應(yīng)度 </p><p>　　int generation; //世代數(shù) </p><p>　　struct individual bestindividual; //最佳個體 </p><p>　　

20、struct individual worstindividual; //最差個體 </p><p>　　struct individual population[POPSIZE]; </p><p><b>　　各函數(shù)說明如下： </b></p><p>　　（1）void generateinitialpopulation ( )和void

21、 input ( )初始化種群和遺傳算法參數(shù)。 </p><p>　　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)。 </p><p>　?。?）void calculateobjectvalue( )計(jì)算適應(yīng)度函數(shù)值。根據(jù)給定的變量用適應(yīng)度函數(shù)計(jì)算然后返回適應(yīng)度值。 </p><p>　?。?）選擇函數(shù)selectoperato

22、r( )，在函數(shù)selectoperator( )中首先用rand ()函數(shù)產(chǎn)生0～1間的選擇算子，當(dāng)適度累計(jì)值不為零時，各個體適應(yīng)度占總適應(yīng)度的百分比與選擇算子值比較，達(dá)到選擇算子規(guī)定值的那個體被選出，即適應(yīng)度為fi的個體以fi/∑fk的概率繼續(xù)存在；顯然，個體適應(yīng)度愈高，被選中的概率愈大。但是，適應(yīng)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。 </p><p>　　（4）染色體交叉函數(shù)crossov

23、eroperator( )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(jìn)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(chǎn)生隨機(jī)概率，若小于交叉概率，則進(jìn)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(jī)產(chǎn)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(jìn)行簡單的染色體復(fù)制即可。 </p><p>　?。?）染色體變異函數(shù)mutation(

24、)，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(jī)產(chǎn)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。 </p><p>　　（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(jìn)制數(shù)轉(zhuǎn)成十進(jìn)制數(shù)，然后才能用適應(yīng)度函數(shù)進(jìn)行計(jì)算。 </p><p>　　（7）void

25、findbestandworstindividual( )，本函數(shù)是求最大適應(yīng)度個體的，每一代的所有個體的適應(yīng)度都要和初始的最佳個體比較，如果大于就賦給最佳個體。 </p><p>　?。?）void outputtextreport ( )，本函數(shù)輸出種群統(tǒng)計(jì)結(jié)果。 </p><p>　　運(yùn)行結(jié)果如圖3.4所示為： </p><p>　　設(shè)定種群大小為150， 最

26、大世代數(shù)為80，交叉率為0.5，變異率為0.05，運(yùn)行結(jié)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(xué)生操行等級和動手實(shí)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(yīng)度函數(shù)問題。 </p><p><b>

27、;　　4 結(jié)論 </b></p><p>　　目前，數(shù)據(jù)挖掘技術(shù)在職業(yè)學(xué)校信息管理中的應(yīng)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(shù)在職業(yè)學(xué)校信息管理中應(yīng)用的不斷深入，為我國職業(yè)學(xué)校的跨越式發(fā)展起到一個科學(xué)導(dǎo)向作用。 </p><p><b>　　參 考 文 獻(xiàn)： <

28、;/b></p><p>　　[1] 陳安，陳寧，周龍驤.數(shù)據(jù)挖掘技術(shù)與應(yīng)用.北京：科學(xué)出版社，2006 </p><p>　　[2] Pang-Ning Tan Michael Steinbach Vipin Kumar.數(shù)據(jù)挖掘?qū)д?北京：人民郵電出版社，2006 </p><p>　　[3] 李本貴．?dāng)?shù)據(jù)挖掘在高校后勤中的應(yīng)用．企業(yè)技術(shù)開發(fā)，200

29、6(2)：22~23 </p><p>　　[4] 錢能.C++程序設(shè)計(jì)教程.北京：清華大學(xué)出版社，1999 </p><p>　　[5] 張儒良，王翰虎.論數(shù)據(jù)挖掘優(yōu)化教學(xué)管理.2004(2)：133~155 </p><p>　　[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(shù)應(yīng)用，2006(1)：21~22</p>