【摘要】：隨著高等教育改革的不斷深入,高等教育日益普及,高校畢業(yè)生數(shù)量逐漸增加,如何應(yīng)對高校畢業(yè)生在就業(yè)過程中日漸暴露出的各種問題,不僅需要高校畢業(yè)生的綜合素質(zhì)的提高,同時對高校就業(yè)指導(dǎo)部門的決策能力是一種考驗。針對這一現(xiàn)狀,如何制定相對應(yīng)的就業(yè)指導(dǎo)方針,是當(dāng)下每個高校都需要考慮的問題。從實現(xiàn)高校信息化建設(shè)以來,很多高校保存了大量的畢業(yè)生就業(yè)數(shù)據(jù),這些數(shù)據(jù)作為畢業(yè)生信息留檔或者必要時的數(shù)據(jù)統(tǒng)計,其中的有效信息并未被挖掘出來,信息利用率太低。本文采用數(shù)據(jù)挖掘中的決策樹技術(shù),對畢業(yè)生的信息進(jìn)行挖掘,探究畢業(yè)生信息和畢業(yè)生就業(yè)去向之間的關(guān)聯(lián),為高校的就業(yè)指導(dǎo)部門在制定畢業(yè)生就業(yè)指導(dǎo)方針時提供一個好的理論支持。從海量數(shù)據(jù)中進(jìn)行數(shù)據(jù)提取、挖掘,從而發(fā)現(xiàn)隱藏在數(shù)據(jù)中的有利用價值的信息和知識,這個過程被稱為數(shù)據(jù)挖掘。數(shù)據(jù)挖掘技術(shù)涵蓋多種算法,包括:決策樹算法、神經(jīng)網(wǎng)絡(luò)算法、關(guān)聯(lián)規(guī)則算法、統(tǒng)計分析方法和模糊集方法等。本文依據(jù)畢業(yè)生數(shù)據(jù)的特點,通過分析基于修正函數(shù)和屬性優(yōu)先值的改進(jìn)ID3算法,引入了修正系數(shù)的概念,從算法的時間復(fù)雜度和準(zhǔn)確度方面進(jìn)行優(yōu)化,并通過實例驗證,改進(jìn)的ID3算法更適用于畢業(yè)生數(shù)據(jù)挖掘。本文針對某省屬院校計算機(jī)科學(xué)與工程學(xué)院近五年的畢業(yè)生信息,從中提取、挖掘以前未被發(fā)現(xiàn)的有價值信息,利用就業(yè)分析系統(tǒng),從而實現(xiàn)了數(shù)據(jù)挖掘。此過程包括:明確數(shù)據(jù)挖掘目的以及對象、信息收集和數(shù)據(jù)集成、數(shù)據(jù)清理、數(shù)據(jù)變換等數(shù)據(jù)預(yù)處理技術(shù),緊接著選擇基于修正系數(shù)的改進(jìn)ID3算法,生成決策分類樹,最后用決策樹產(chǎn)生分類規(guī)則,建立畢業(yè)生就業(yè)分析模型,挖掘出與畢業(yè)生就業(yè)相關(guān)的若干規(guī)律。本文工作對幫助高校更好的進(jìn)行畢業(yè)生就業(yè)指導(dǎo),使就業(yè)指導(dǎo)部門作出正確的分析與決策,提高高校畢業(yè)生就業(yè)質(zhì)量有重大的意義。
【圖文】：

數(shù)據(jù)挖掘及決策樹理論到數(shù)據(jù)中的模式，通過運(yùn)用挖掘技術(shù)和方法，來獲得知識表達(dá)：在對數(shù)據(jù)源進(jìn)行分析處理之后，會得到分的結(jié)果進(jìn)行驗證和評價。一般從結(jié)果的準(zhǔn)確度、執(zhí)行來確定分析模式存在的價值和意義。對模型進(jìn)行驗證我們可以確定前面的步驟是否準(zhǔn)確無誤的進(jìn)行。驗證這樣可以更加清晰的驗證出模型的準(zhǔn)確性。模型評價法：估：根據(jù)準(zhǔn)確度、復(fù)雜度、強(qiáng)健性、支持度等指標(biāo)對挖達(dá)：運(yùn)用可視化和知識表達(dá)等相關(guān)技術(shù)，展示出挖掘

圖 2-2 決策樹生成原理圖Figure 2-2 The decision tree generation principle diagram 幾種常見決策樹算法策樹生成算法很多，下面著重對幾種典型的決策樹生成算法進(jìn)行介紹。1）CLS 算法66 年 Hunt 等人提出了概念學(xué)習(xí)系統(tǒng) CLS（Concept Learning System）【41】，，這就算法的前身。后期的大多數(shù)決策樹分類算法都可以看做是 CLS 算法的改進(jìn)。它
【學(xué)位授予單位】：西安理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：G647.38;TP311.13

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 丁兆云;賈焰;周斌;;微博數(shù)據(jù)挖掘研究綜述[J];計算機(jī)研究與發(fā)展;2014年04期

2 王夢雪;;數(shù)據(jù)挖掘綜述[J];軟件導(dǎo)刊;2013年10期

3 顧倩;;數(shù)據(jù)挖掘應(yīng)用于高校圖書館個性化服務(wù)的探討[J];圖書館雜志;2013年08期

4 張愛科;;基于改進(jìn)的最大熵均值聚類方法在文本分類中的應(yīng)用[J];計算機(jī)應(yīng)用研究;2012年04期

5 周劍峰;陽愛民;劉吉財;;基于改進(jìn)的C4.5算法的網(wǎng)絡(luò)流量分類方法[J];計算機(jī)工程與應(yīng)用;2012年05期

6 盛俊;;決策樹ID3算法的改進(jìn)及其應(yīng)用[J];揚(yáng)州職業(yè)大學(xué)學(xué)報;2011年04期

7 汪海銳;李偉;;基于關(guān)聯(lián)規(guī)則的決策樹算法[J];計算機(jī)工程;2011年09期

8 李婷;傅鋼善;;國內(nèi)外教育數(shù)據(jù)挖掘研究現(xiàn)狀及趨勢分析[J];現(xiàn)代教育技術(shù);2010年10期

9 朱娟;楊豐華;;改進(jìn)的決策樹算法在教務(wù)管理數(shù)據(jù)挖掘系統(tǒng)中的應(yīng)用[J];軟件導(dǎo)刊;2010年04期

10 陳平;喬秀全;劉臻;田小萍;;數(shù)據(jù)挖掘網(wǎng)格中決策樹并行算法設(shè)計及性能分析[J];北京郵電大學(xué)學(xué)報;2009年S1期

相關(guān)博士學(xué)位論文 前3條

1 梁德翠;模糊環(huán)境下基于決策粗糙集的決策方法研究[D];西南交通大學(xué);2014年

2 朱林;基于特征加權(quán)與特征選擇的數(shù)據(jù)挖掘算法研究[D];上海交通大學(xué);2013年

3 王國勛;基于多目標(biāo)決策的數(shù)據(jù)挖掘模型選擇研究[D];電子科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 石健文;基于決策樹的高校就業(yè)預(yù)測系統(tǒng)的設(shè)計與實現(xiàn)[D];華南理工大學(xué);2014年

2 馬遙;計算機(jī)數(shù)據(jù)挖掘技術(shù)在CBA聯(lián)賽中的應(yīng)用理論研究[D];鄭州大學(xué);2014年

3 張光榮;基于決策樹算法和關(guān)聯(lián)規(guī)則分析方法的學(xué)生就業(yè)數(shù)據(jù)分析[D];陜西師范大學(xué);2014年

4 方亮;決策樹算法在高校畢業(yè)生就業(yè)分析中的應(yīng)用研究[D];湖南大學(xué);2013年

5 劉曉芬;決策樹分類算法及其在高校學(xué)生就業(yè)中的應(yīng)用研究[D];湖北大學(xué);2012年

6 胡國蘭;基于數(shù)據(jù)挖掘的移動CRM客戶細(xì)分研究[D];湖南大學(xué);2012年

7 劉曉霞;數(shù)據(jù)挖掘技術(shù)在高校教學(xué)管理系統(tǒng)中的應(yīng)用研究[D];中國海洋大學(xué);2010年

8 王琴;決策樹算法在高校研究生就業(yè)信息庫中的應(yīng)用研究[D];武漢理工大學(xué);2010年

9 王斌;數(shù)據(jù)挖掘在高校圖書館服務(wù)中的應(yīng)用研究[D];西安理工大學(xué);2010年

10 李華;基于決策樹ID3算法的改進(jìn)研究[D];電子科技大學(xué);2009年

本文編號：2586961