基于粒計算的學生成績數(shù)據(jù)庫知識發(fā)現(xiàn)的研究.pdf

1、通常，不同課程之間存在一定的關(guān)聯(lián)和前后次序，例如學生學習某門課程之前通常需要先修一些課程。利用學校學籍數(shù)據(jù)庫中所存放的學生成績數(shù)據(jù)，結(jié)合數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則分析，可以從大量的成績數(shù)據(jù)中挖掘隱藏的規(guī)律，發(fā)現(xiàn)有用的規(guī)則和信息，例如可以獲得課程之間的知識關(guān)聯(lián)，從而對學生選課提供幫助和指導(dǎo)，對于教學排課也可以提供科學的指導(dǎo)。 粒計算是信息處理的一種新的概念和計算范式，覆蓋了所有有關(guān)粒度的理論、方法、技術(shù)和工具的研究，現(xiàn)已成為人工智能領(lǐng)域研

2、究的熱點之一。將大量復(fù)雜的信息進行?；谋举|(zhì)是利用各種相關(guān)的知識對研究對象進行認識的深化。知識發(fā)現(xiàn)的過程實際上是一個粒度計算的過程。本文是基于粗糙集模型的粒計算思想，進行學生成績數(shù)據(jù)庫知識發(fā)現(xiàn)的研究。通過尋找課程的先修課影響課程集合，找出課程之間的制約關(guān)系，進而導(dǎo)出課程之間的關(guān)聯(lián)規(guī)則。 由于實際學生成績數(shù)據(jù)庫數(shù)據(jù)的影響因素非常多，本文將主要以仿真成績數(shù)據(jù)進行研究，給出學生成績數(shù)據(jù)庫知識發(fā)現(xiàn)的一種研究思路。首先，基于正態(tài)分布、課程

3、依賴度等原則構(gòu)造仿真數(shù)據(jù)；然后，對于該仿真成績進行整理和預(yù)處理，將成績表轉(zhuǎn)化為選課信息表，并進行分類，得出選課次序類別；此后，利用各選課次序中課程平均成績之間的差異尋找先修課程的影響課程集合，進行課程依賴關(guān)系的關(guān)聯(lián)規(guī)則提取，給出選課的合理建議:最后，利用實際學生成績數(shù)據(jù)對上述方法進行了初步測試，結(jié)果表明，該方法在一定程度上可以實現(xiàn)相關(guān)規(guī)則的提取。 此外，在研究過程中還對涉及到的相關(guān)理論問題進行了研究。 首先，研究了學生考

4、試成績的分布規(guī)律，提出一個學生成績分布的數(shù)學模型。該模型的建立有助于研究學生在學習時間投入、學習效率以及課程壓力等方面的基本狀況，有助于提前預(yù)測學生學習的成績基本分布，對于改進教學效果、促進學生學習積極性具有重要的意義。 其次，研究利用Vague集比較兩個知識模式的相似性。Vague集理論是一種模糊集理論的推廣理論，它既考慮了事物本身的模糊性又考慮了人們認識能力有限導(dǎo)致的未知性。針對各學者提出的Vague集(值)相似度量的公式，

5、發(fā)現(xiàn)公式最后大部分都可以轉(zhuǎn)化為真隸屬度t與假隸屬度f的關(guān)系，將這種關(guān)系用二維圖形表示出來，繪制出等相似度曲線。這種相似性度量的圖形化不僅可以方便地進行各種相似性度量方法的橫向比較，也可以從圖形分布的特點來尋求更好的相似性度量方法。該研究可用于進行學生選課次序相似性的比較，對相似程度較大的選課次序進行耦合和聚類，得出較為有效、精簡的學生選課次序。 第三，初步研究了規(guī)則合成的DS證據(jù)理論。DS理論被認為是多元不確定性信息融合的有效方