数据挖掘技术在高校招生工作中的应用

本文简要介绍了数据挖掘技术的概念、挖掘过程及关联规则算法。按照数据挖掘的过程探讨了关联规则在高校招生工作方面的应用。利用关联规则对高校学生入学信息及在校期间的成绩等数据库进行挖掘,可寻找出学生入学时诸因素与大学培养结果之间的关联关系,从而为高校招生决策者提供科学依据。     

基于Apriori算法的高校招生的关联规则分析

数据挖掘是适应信息社会从海量的数据库中提取信息的需要而产生的新学科。它是统计学、机器学习、数据库、模式识别、人工智能等学科的交叉。以往的数据挖掘技术的应用大多是在金融领域,而在其他领域里面应用不是很多,如在高校招生中的应用更是如此。数据挖掘技术对招生工作的深层研究与挖掘将会得到各高校的更多重视。以某高校招生数据作为招生信息为依据,对高校招生的关联规则进行分析。从而对关联性规则的应用作进一步的研究。     

基于数据挖掘技术的高职自主招生决策系统设计

根据目前高职学校自主招生存在的具体问题,利用数据挖掘技术,以杭州职业技术学院为例,采用决策树的分类方法,对历年的自主招生生源数据进行挖掘,对生源数据的性别、成绩、所属类别、特长爱好、地区家庭收入水平等因素进行分析,找出学生所填报专业和其本身属性之间的关系,设计了自主招生决策系统,从而为高职学校的招生部门提供决策支持信息,使其更好地开展自主招生工作。     

数据挖掘在高校招生中的应用研究

随着教育改革的不断深入,我国的高等教育得到了长远的发展,高职院校招生规模的不断扩大,招生数量的逐年递增,招生方式朝着多元化、自主化方向发展,院校的招生竞争日趋激烈。本文建立高校招生数据挖掘系统,主要对高校招生信息进行挖掘,提取出有利于高校招生的策略,为高校招生提供决策支持。     

数据挖掘在研究生招生中的应用

数据仓库与数据挖掘技术应用在现代研究生招生领域中，能从招生信息中发现各种潜在的有价值的信息，为学校招生提供有效的决策支持。以数据仓库技术为基础，利用数据挖掘技术的聚类分析算法对数据库中的数据进行测试研究，能够帮助导师从众多的考生中挑选出合适的考生进行本专业的研究。在一定基础上初步实现了数据仓库的挖掘应用。     

关联规则在招生决策中的应用分析

随着高校招生系统的广泛使用,系统中积累近年来大量的生源信息和招生信息,如何使得这些看似垃圾的数据成为对高校招生决策的重要信息,该文应用数据挖掘技术中管理规则的Apriori算法,以招生系统中的信息为研究对象,挖掘影响学生报到的内在因素,发现与报到率关联的有用信息,从而降低招生宣传的成本,为高校的招生决策者提供指导和有效的数据支持。     

关联规则在招生决策中的应用分析

随着高校招生系统的广泛使用,系统中积累近年来大量的生源信息和招生信息,如何使得这些看似垃圾的数据成为对高校招生决策的重要信息,该文应用数据挖掘技术中管理规则的Apriori算法,以招生系统中的信息为研究对象,挖掘影响学生报到的内在因素,发现与报到率关联的有用信息,从而降低招生宣传的成本,为高校的招生决策者提供指导和有效的数据支持。     

关联规则在独立学院招生决策中的应用

关联规则(Association Rule)是数据挖掘领域中一个重要的研究课题,广泛应用于各个领域,既可以检验行业内长期形成的知识模式,也能够发现隐藏的新规律。本文利用关联规则对独立学院招生信息进行分析,建立独立学院招生决策模型。首先选取考生高考志愿表中的专业信息,然后利用关联规则进行挖掘,最后对挖掘出的规则进行分析和应用。实验结果表明,利用关联规则对考生高考志愿信息进行挖掘是可行的、有效的,它为独立学院编制招生计划和制定招生宣传方案提供了一种新的参考依据,在独立学院招生领域具有较好的应用前景。     

广义关联规则及算法研究

挖掘广义关联规则是数据挖掘研究的一个重要方面,数据挖掘领域的研究者在挖掘广义关联规则上作了大量的工作,使之成为一个具有普遍和实用意义的数据挖掘方法。文章就挖掘广义关联规则的算法进行了深入的研究。     

关联规则挖掘在高校教育管理中的应用

为有效利用高校教育管理工作多年来积累的大量数据,本文采用数据挖掘技术进行教育信息的关联规则挖掘,设计并实现了一个专门的教育管理数据挖掘系统EMARMiner。实验结果得到了有益于高等学校教育管理决策的挖掘结果。     

决策树在技工院校招生工作中的研究

数据挖掘作为一门综合性的新兴技术在各大领域得到了充分的使用和发展,本文尝试将数据挖掘技术中的决策树方法应用于技工院校的招生中,挖掘出部分有价值的规则,希望能对今后的招生工作提供有效的方法     

关联规则挖掘在高校教育管理中的应用

为有效利用高校教育管理工作多年来积累的大量数据,本文采用数据挖掘技术进行教育信息的关联规则挖掘,设计并实现了一个专门的教育管理数据挖掘系统EMARMiner。实验结果得到了有益于高等学校教育管理决策的挖掘结果。     

基于灰色关联分析的高感兴趣度数据挖掘算法研究

数据挖掘与知识评价相结合是数据挖掘工作研究的重要方面,也是发挥数据挖掘潜力的重要手段.讨论了数据挖掘和知识评价的结合方式以及灰色关联分析,提出并实现了用灰色关联分析方法构建"感兴趣产生器"并结合关联规则的数据挖掘框架及算法.最后,通过实例证明了该算法挖掘效率高、挖掘效果好,挖掘结果有较高的用户感兴趣度.     

Foxpro报表纸张顺序打印的实现

以我国现行的研究生招生工作为例,Visual Foxpro作为考生信息的承载体,为招生单位广泛使用.随着研究生招生规模的不断扩大,考生数据处理,考场安排等工作对招生单位提出了更高的要求.挖掘Foxpro的功能可以为招生工作中的繁琐工作找到有效解决途径.     

并行数据挖掘研究

随着数据挖掘中数据量的高速增长以及大规模并行计算在数据挖掘中的应用，并行数据挖掘这一结合并行计算技术和数据挖掘技术在社会各个方面得到了大规模的各种各样的应用。然而，在数据挖掘并行化过程的同时，由于挖掘系统本身的原因，将挖掘过程完全并行还有一定的困难，这正是研究并行数据挖掘的价值所在。该文在分析并行挖掘现状，阐述并行挖掘技术发展前景的同时，针对并行挖掘的问题，指出了今后应该进行的工作。     

Apriori算法在税务系统中的应用

为提高对税务稽查历史数据的管理水平,为税务稽查提供有力的决策支持,分析了数据挖掘技术的基础以及税务稽查工作中引入数据挖掘技术的必要性,给出了关联规则挖掘的基本概念,提出了一种改进的Aoriori算法。使用WEKA工具,实现了关联规则挖掘的可视化和生成结果按“支持度-可信度”形式的可视化,为基于频繁集的交互式挖掘提供了方便、友好的界面。对历史稽查数据中纳税人采用的主要违法违章手段之间的关联关系进行了数据挖掘,得到了一些合理的规则,对稽查工作有一定的指导意义。     

一个数据挖掘工具的设计与实现

介绍了一个数据挖掘工具的设计,以Apriori算法为核心,实现了数据挖掘中基于数据库的几种常用挖掘方法,包括基于关系数据库的数据挖掘,不完整数据库中的数据挖掘和根据兴趣度测量来挖掘感兴趣知识的异常关联规则挖掘.     

XML技术在Web数据挖掘中的应用

随着网络资源的日益丰富,从中发现潜在的、有价值的信息的商业需求一直推动着数据挖掘技术不断向前发展,由于Web数据本身具有半结构化、组织性差的特点,使得Web数据挖掘工作变得十分困难,而XML的出现为Web数据挖掘技术带来了新的契机和巨大的发展。本文介绍了XML技术以及Web数据挖掘,阐述了XML技术在Web数据挖掘中的应用。由于基于XML的Web数据挖掘是一门新兴的技术,如何进一步充分利用Web资源进行数据挖掘还有待于进一步研究。     

数据挖掘技术在高职成绩分析中的应用

随着高职招生规模的不断扩大，学生人数大量增加，如何将数据挖掘技术中的关联规则、分类方法引入到成绩分析中，根据挖掘结果有针对性的提高教学质量时本文讨论的重点。     

基于PMML标准的数据挖掘本体构建

针对实际问题选择数据挖掘方法是一个困难的工作,使用本体对数据挖掘方法进行建模并为用户推荐适合的方法是一个可行的解决方案。PMML是一种应用广泛的数据挖掘国际标准,提出了一种基于PMML标准构建数据挖掘本体的方法并用Protégé构建了一个本体,为利用本体推理为用户推荐挖掘算法奠定了基础。