数据挖掘论文关于数据挖掘技术在计算机公共课评价中的论文范文参考资料

数据挖掘论文数据挖掘技术在计算机公共课评价中的应用摘要：利用数据挖掘技术对公共计算机课程学生成绩进行科学分析，找出学生知识结构的特点，并相应调整教学策略，可以有效提高教学效果。提出了Apriori算法及其改进算法，以更好地把握试卷难度，指导教师教学和学生学习。关键词：数据挖掘Lapriori算法教学评价1007-3973(xx)008-187-02介绍公共计算机课程包括两个基础课程：计算机文化和计算机技术。它是各本科院校新生的必修课之一。它涉及整个学校的所有班级。与此同时，这两门课程正在从原来的湖南计算机等级考试向全国计算机等级考试转变。对于学生过去的成绩，我们只是从他们的成绩来初步衡量学生的学习情况，但我们现在迫切需要的是对给定的结果进行系统的分析，找出薄弱环节，解释和补充学生的一些操作或章节，以达到更好的教学效果和更高的教学目标。根据我校xx级计算机文化基础期末成绩，建立学生成绩数据库。数据挖掘技术主要是对本实验中建立的数据库进行深入分析，以得出建设性的结论，从而更好地指导教学。2数据挖掘，Apriori及其改进算法2.1数据挖掘技术介绍2.2 Apriori算法Apriori算法是一种数据遍历和逐步遍历。基于通用数据库中的数据，total首先找出频繁项集1并找出集合J1一次，然后通过频繁项集J1遍历找出频繁项集J2，通过频繁项集J2遍历找出频繁项集JBOY3乐队，这相当于一个递归过程，最后在找不到k个项集时结束。这不同于计算机中C程序的递归算法。Apriori算法根据Apriori的一个重要性质从Lk-1生成Lk，即频繁项集的所有非空子集也必须是频繁的。当然，首先，我们也有一个前提，即任何频繁项集的子集都必须是频繁的。2.3 Lapriori算法Apriori算法也有许多缺点：(1)在我们的数据遍历和扫描中，我们必须多次扫描数据来生成许多候选集，但是在第二次、第三次和后续的扫描中我们没有排除一些无用的候选集，这大大增加了我们的扫描和计算时间。(2)虽然我们假设频繁项集的任何子集也一定是频繁的，但实际上仍然有许多不频繁项集，这也是用什么策略来过滤掉这部分因素的一个原因。(3)如何过滤一些重复的选项集。针对上述缺点，进行改进。改进的apriori算法的思想是去除冗余的选项集，减少每次扫描的时间，并尽快将数据库的信息转化为可用的信息，从而减少I/O开销，提高系统性能。3lapori算法的实现我们从计算机技术基础期末考试成绩中随机抽取1000名学生的成绩作为原始数据库，选择10名学生的原因是数据太少，无法分析。期末考试有三种题型：选择题、操作题和程序题，其中选择题占40分，操作题占10分，程序题占50分。为了更清楚地了解学生的掌握情况，最好将知识点分成不同的章节。计算机技术基础由六章组成。每章的总分分别是30、15、5、15、15和20。我们需要做的是扫描以下数据以找到选项集，同时删除不必要的选项集和非选项集。表1是对APriori算法和La优先级的扫描效率的模拟实验。经过比较，实验结果如表1所示，相应的性能曲线如图1所示。从图1中的比较中，发现横坐标表示事务数据量，纵坐标表示执行时间，并且曲线示出了当事务数量从低到高增加时算法的执行时间的变化。因此，我们可以得出结论，在相同的条件下，Lapriori算法得到了显著的改进，时间也缩短了很多，尤其是当数据库中有更多的事务时。通过比较表1中的数据，我们可以直观地发现改进的APriori算法的事务数量比传统的APriori算法少得多。也就是说，改进的APriori算法在扫描速度和过滤冗余数据方面远远优于传统的APriori算法，为未来高校数据库的扫描和搜索提供了一种可行的途径。从图1的比较中，不难发现改进的APriori算法特别适用于大量的数据库，并且它不会因为更多的数据处理时间而增加很多。相反，当处理的数据量不是特别大时，我们不一定需要使用改进的APriori算法，因为它没有反映出它的优点。因此，在处理数据时，应该有针对性的分析，以便更好的