數據挖掘技術(shù)在中等職業(yè)學(xué)校管理實(shí)踐中的應用研究
摘 要：我國中等職業(yè)教育的學(xué)校規模、在校生人數等都有了很大的發(fā)展，高效的數據管理對學(xué)校發(fā)展起到越來(lái)越重要的作用。利用Hash樹(shù)和Fp樹(shù)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)規則挖掘，用遺傳算法對挖掘成果進(jìn)行優(yōu)化，以此來(lái)推動(dòng)中等職業(yè)教育的發(fā)展。關(guān)鍵詞： 數據挖掘；關(guān)聯(lián)規則；遺傳算法
1 引言
信息時(shí)代的計算機數據存儲技術(shù)等得到了飛速發(fā)展。大量的數據與數據分析處理方法相互結合產(chǎn)生了數據挖掘技術(shù)，目前數據挖掘是在許多領(lǐng)域和方面得到了廣泛應用的技術(shù)。隨著(zhù)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(gè)系統工程。目前職業(yè)學(xué)校已存儲了以學(xué)校教學(xué)實(shí)踐為中心的大量數據，但是其背后所蘊含的大量有用信息并未得到發(fā)現和利用，主要是因為利用分析方法不適應職業(yè)學(xué)校的大量復雜數據。利用數據挖掘技術(shù)從中發(fā)現有價(jià)值的信息可以指導職業(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(dòng)職業(yè)教育更好的發(fā)展。
2 關(guān)聯(lián)規則挖掘算法
2.1 Apriori算法及改進(jìn)
Apriori算法是關(guān)聯(lián)規則挖掘的基本算法，它利用項集的先驗性知識和層次順序的循環(huán)搜索方法來(lái)發(fā)現頻繁項集，首先產(chǎn)生頻繁1-項集L1；然后利用L1來(lái)產(chǎn)生頻繁2-項集L2，不斷循環(huán)下去直到無(wú)法發(fā)現更多的頻繁K-項集為止。
從兩個(gè)方面對Apriori算法進(jìn)行改進(jìn)。
2.1.1 利用HASH樹(shù)對支持度進(jìn)行計數
HASH樹(shù)根節點(diǎn)為空，用HASH函數來(lái)決定內部節點(diǎn)的分支走向，遍歷HASH樹(shù)可以對候選項集支持度進(jìn)行計數，用HASH樹(shù)對候選項集的支持度進(jìn)行計數，避免了窮舉法對事務(wù)中的每個(gè)項集與候選項集進(jìn)行比較，而是進(jìn)行了分類(lèi)，降低了支持度計數的任務(wù)量。
2.1.2 用FP樹(shù)提取頻繁項集
FP樹(shù)(frequent pattern tree)實(shí)現了對數據的緊湊表示，可以從該結構中直接提取頻繁項集。FP樹(shù)之中的一條路徑所表示的數據序列對應一條事務(wù)中的數據，對于不同事務(wù)中相同的數據項對應的FP樹(shù)中的路徑可以重疊，從而實(shí)現了事務(wù)數據的緊湊表示。FP樹(shù)的節點(diǎn)包括數據項的標記和計數，計數表示經(jīng)過(guò)該路經(jīng)的事務(wù)個(gè)數。
（1）對各數據項的數據按照它們的支持度計數的遞減順序排序，從而調整數據集中各數據的次序。
（2）由數據集構造FP樹(shù)，對第一個(gè)事務(wù)創(chuàng )建從根節點(diǎn)到事務(wù)中各數據的路徑并進(jìn)行支持度計數。
（3）繼續讀入事務(wù)，與創(chuàng )建過(guò)路徑的事務(wù)進(jìn)行比較將新事務(wù)加入FP樹(shù)，如果與創(chuàng )建過(guò)的事務(wù)有相同的路徑則合并相同的路徑，相應節點(diǎn)支持度增加，不同路徑增加不同的分支，進(jìn)行支持度計數。
（4）繼續該過(guò)程直到所有的事務(wù)都映射到FP樹(shù)。
（5）由FP樹(shù)依據不同的結尾進(jìn)行劃分，產(chǎn)生以其為后綴的路徑。
（6）不同的后綴產(chǎn)生相應的頻繁項集。
2.2 關(guān)聯(lián)規則的發(fā)現
由頻繁項集可以較為容易地產(chǎn)生相應的關(guān)聯(lián)規則，可以通過(guò)計算置信度來(lái)獲得強關(guān)聯(lián)規則，關(guān)聯(lián)規則的操作為：
2.2.1 對于每個(gè)頻繁項集L產(chǎn)生所有的非空子集。
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)規則, min_s為最小置信度閥值。
3 學(xué)校信息的數據挖掘
3.1 對學(xué)校信息進(jìn)行關(guān)聯(lián)挖掘
下邊以有代表性的學(xué)生就業(yè)方面信息為例來(lái)進(jìn)行分析。就業(yè)信息庫中的數據項包括：學(xué)生的編號、成績(jì)、學(xué)生干部、操行等級、實(shí)踐動(dòng)手能力、就業(yè)單位，其中編號為學(xué)生的唯一標識。為了便于數據存取現在對各數據項的內容進(jìn)行編號，其中成績(jì)項分為：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(dòng)手能力分為：強(d1)、較強(d2)、一般(d3)。就業(yè)單位分為：大型公有企業(yè)(e1)、大型私企 (e2)、一般公有企業(yè) (e3)、一般私企(e4)。
現有部分學(xué)生就業(yè)信息：
學(xué)生信息庫中共有125條學(xué)生就業(yè)方面的信息，應用挖掘軟件對其進(jìn)行數據挖掘，最小支持度選定為0.3，最小置信度選定為0.5。其數據信息和挖掘結果如下所示：
在該就業(yè)數據庫中就業(yè)信息處于最主要的地位，也最有分析價(jià)值和現實(shí)意義。為了挖掘就業(yè)方面的關(guān)聯(lián)規則，發(fā)現影響就業(yè)情況的因素，從挖掘結果中提取“結論”含有就業(yè)數據項(e1,e2,e3)的規則，得到的規則表達式和可信度為：
（1）b1|c2 e1 confidence=0.84
（2）b1 e1 confidence=0.62
（3）b1|d2 e1 confidence=0.62
（4）c2|d2 e1 confidence=0.58
（5）b2 e2 confidence=0.52
（6）c2 e2 confidence=0.56
（7）b2|c2 e2 confidence=0.91
（8）a2 e2 confidence=0.64
由1至4式得：學(xué)生干部且操行達到優(yōu)、學(xué)生干部、學(xué)生干部并且實(shí)踐動(dòng)手能力較強、操行達到優(yōu)且實(shí)踐動(dòng)手能力較強到大型公有企業(yè)就業(yè)的可能性分別為0.84、0.62、0.62、0.58。
分析可以得到如下結果：學(xué)生干部和操行等級對進(jìn)入大型公有企業(yè)就業(yè)有著(zhù)重要影響，同時(shí)也應該提高實(shí)踐動(dòng)手能力。
由5到8式得：不是學(xué)生干部、操行達到優(yōu)、不是學(xué)生干部且操行達到優(yōu)、學(xué)習良好到大型私企的可能性分別是0.52、0.56、0.91、0.64。
分析得：操行等級和學(xué)習成績(jì)對進(jìn)入大型私企有較大的影響，同時(shí)是學(xué)生干部對進(jìn)入大型私企沒(méi)有進(jìn)入大型公有企業(yè)的影響力大。
3.2 遺傳算法對挖掘結果的優(yōu)化
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制，以隨機的形式將最適合目標的種群通過(guò)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(wèn)題，具有并行性、糾錯能力強和可操作性的特點(diǎn)。在數據挖掘中會(huì )遇到搜索尋求可行解或最優(yōu)解，需要處理海的量數據要花費很長(cháng)時(shí)間，遺傳算法的啟發(fā)式解決問(wèn)題的方法可以應用到這一方面。
由上面得到把各種要素對就業(yè)的影響可以用數學(xué)函數來(lái)表示，影響作用的大小對應函數值的大小。下面利用遺傳算法對挖掘結果的優(yōu)化，流程圖如下。
具體應用中就業(yè)情況受多個(gè)因素的影響，先抽取最有影響的兩個(gè)因素建立模型函數，下邊以函數y= (x1*x1-x2)*(x1*x2-x2)+(1-x1)*(1-x1)為例來(lái)分析，其中y為學(xué)生的就業(yè)情況好壞的量化表示，x1、x2分別是操行等級和動(dòng)手實(shí)踐能力。 程序中的類(lèi)型定義為：
int popsize; //種群大小
int maxgeneration; //最大世代數
double pc; //交叉率
double pm; //變異率
double fitness; //適應度
int generation; //世代數
struct individual bestindividual; //最佳個(gè)體
struct individual worstindividual; //最差個(gè)體
struct individual population[POPSIZE];
各函數說(shuō)明如下：
（1）void generateinitialpopulation ( )和void input ( )初始化種群和遺傳算法參數。
input( ) 函數輸入種群大小，染色體長(cháng)度，最大世代數，交叉率，變異率等參數。
（2）void calculateobjectvalue( )計算適應度函數值。根據給定的變量用適應度函數計算然后返回適應度值。
（3）選擇函數selectoperator( )，在函數selectoperator( )中首先用rand ()函數產(chǎn)生0～1間的選擇算子，當適度累計值不為零時(shí)，各個(gè)體適應度占總適應度的百分比與選擇算子值比較，達到選擇算子規定值的那個(gè)體被選出，即適應度為fi的個(gè)體以fi/∑fk的概率繼續存在；顯然，個(gè)體適應度愈高，被選中的概率愈大。但是，適應度小的個(gè)體也有可能被選中，以便增加下一代群體的多樣性。
（4）染色體交叉函數crossoveroperator( )是遺傳算法中的最重要的函數之一，它是對個(gè)體兩個(gè)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 ()函數產(chǎn)生隨機概率，若小于交叉概率，則進(jìn)行染色體交叉，同時(shí)交叉次數加1。這時(shí)又要用rand()函數隨機產(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(jiǎn)單的染色體復制即可。
（5）染色體變異函數mutation( )，變異是針對染色體字符而言的，而不是對個(gè)體而言，即個(gè)體變異的概率是一樣。隨機產(chǎn)生比較概率，若小于變異概率，則1變?yōu)?，0變?yōu)?，同時(shí)變異次數加1。
（6）long decodechromosome(char *,int,int) ，本函數是染色體解碼函數，它將以數組形式存儲的二進(jìn)制數轉成十進(jìn)制數，然后才能用適應度函數進(jìn)行計算。
（7）void findbestandworstindividual( )，本函數是求最大適應度個(gè)體的，每一代的所有個(gè)體的適應度都要和初始的最佳個(gè)體比較，如果大于就賦給最佳個(gè)體。
（8）void outputtextreport ( )，本函數輸出種群統計結果。
運行結果如圖3.4所示為：
設定種群大小為150， 最大世代數為80，交叉率為0.5，變異率為0.05，運行結果如圖3.4所示，由此得到y=(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(dòng)手實(shí)踐能力對就業(yè)的影響程度為47.86。這為大量數據的最優(yōu)求解問(wèn)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(jià)函數即適應度函數問(wèn)題。
4 結論
目前，數據挖掘技術(shù)在職業(yè)學(xué)校信息管理中的應用還處于起步階段，但是由于其在數據處理、分析、組織以及信息挖掘等方面所表現出來(lái)的巨大潛力，相信不久的將來(lái),隨著(zhù)數據庫的不斷膨脹和數據挖據技術(shù)在職業(yè)學(xué)校信息管理中應用的不斷深入，為我國職業(yè)學(xué)校的跨越式發(fā)展起到一個(gè)科學(xué)導向作用。
參 考 文 獻：
[1] 陳安，陳寧，周龍驤.數據挖掘技術(shù)與應用.北京：科學(xué)出版社，2006
[2] Pang-Ning Tan Michael Steinbach Vipin Kumar.數據挖掘導論.北京：人民郵電出版社，2006
[3] 李本貴．數據挖掘在高校后勤中的應用．企業(yè)技術(shù)開(kāi)發(fā)，2006(2)：22~23
[4] 錢(qián)能.C++程序設計教程.北京：清華大學(xué)出版社，1999
[5] 張儒良，王翰虎.論數據挖掘優(yōu)化教學(xué)管理.2004(2)：133~155
[6] 谷瓊，朱麗，蔡智華，袁紅星.基于決策樹(shù)的高校研究生信息庫數據挖掘.電子技術(shù)應用，2006(1)：21~22
【數據挖掘技術(shù)在中等職業(yè)學(xué)校管理實(shí)踐中的應用研究】相關(guān)文章：
數據挖掘技術(shù)在Web信息檢索中的應用研究論文12-01
數據挖掘技術(shù)在高校學(xué)生成績(jì)分析中的應用研究論文03-15
數據挖掘技術(shù)在移動(dòng)通信中的運用02-27
數據挖掘技術(shù)的教學(xué)輔助系統應用論文03-16
數據挖掘技術(shù)在就業(yè)指導的應用論文02-27
試論基于數據挖掘技術(shù)的保護設備故障信息管理與分析系統12-05
數據挖掘與企業(yè)營(yíng)銷(xiāo)策略探究03-29
- 相關(guān)推薦