發(fā)布時(shí)間：2024-03-03 21:05

　　作為高等院校,核心工作是培育高層次人才。目前各個(gè)高校的教育信息化取得巨大的發(fā)展,積累了大量的教育數(shù)據(jù),這為數(shù)據(jù)挖掘技術(shù)對本科人才培養(yǎng)的研究提供了基礎(chǔ),但我們卻很少對這些教育數(shù)據(jù)進(jìn)行深層次分析。把本科人才培養(yǎng)過程中的數(shù)據(jù),通過數(shù)據(jù)挖掘技術(shù)分析得到的結(jié)果,應(yīng)用到日常的人才培養(yǎng)管理中,實(shí)施基于數(shù)據(jù)的決策和管理、基于數(shù)據(jù)的專業(yè)建設(shè)和布局,對在校生的培養(yǎng)質(zhì)量進(jìn)行持續(xù)跟蹤與評價(jià)。為此本文做了以下研究:1.制定畢業(yè)生就業(yè)問卷調(diào)查方案,然后通過在線問卷管理系統(tǒng)對2012級本科生畢業(yè)生進(jìn)行問卷調(diào)查,接著對問卷進(jìn)行回收與統(tǒng)計(jì)。最后對畢業(yè)生的課程成績數(shù)據(jù)和就業(yè)實(shí)習(xí)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理,比較不同的預(yù)處理方法,并用關(guān)聯(lián)挖掘算法進(jìn)行挖掘,探討專業(yè)培養(yǎng)方案中的課程之間的關(guān)聯(lián),以及課程與學(xué)生就業(yè)情況及質(zhì)量之間的關(guān)聯(lián)關(guān)系。2.通過離群點(diǎn)算法分析2013級計(jì)算機(jī)學(xué)院學(xué)習(xí)狀態(tài)異常的學(xué)生,然后用2012級學(xué)生的成績建立多層神經(jīng)網(wǎng)絡(luò)模型,通過大三上前5個(gè)學(xué)期的15個(gè)核心科目的成績預(yù)測第六學(xué)期目標(biāo)科目的成績。比較不同的梯度下降算法在訓(xùn)練過程中的正確率,確定最優(yōu)的梯度下降算法,最后對2013級學(xué)習(xí)狀態(tài)異常的學(xué)生進(jìn)行第六學(xué)期成績的預(yù)測...

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題的研究背景意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容及章節(jié)安排
第二章 數(shù)據(jù)挖掘技術(shù)
    2.1 數(shù)據(jù)挖掘概述
    2.2 關(guān)聯(lián)規(guī)則算法
        2.2.1 關(guān)聯(lián)規(guī)則挖掘的提出
        2.2.2 關(guān)聯(lián)規(guī)則算法基本概念
        2.2.3 Apriori算法
    2.3 神經(jīng)網(wǎng)絡(luò)算法
        2.3.1 感知機(jī)算法
        2.3.2 梯度下降法
        2.3.3 隨機(jī)梯度下降算法
        2.3.4 Adagrad算法簡介
        2.3.5 Adam算法簡介
    2.4 局部離群點(diǎn)定義以及LOF挖掘算法
        2.4.1 LOF形式化定義
    2.5 本章小結(jié)
第三章 課程和就業(yè)關(guān)聯(lián)分析
    3.1 畢業(yè)生就業(yè)調(diào)查問卷方案設(shè)計(jì)
        3.1.1 確定調(diào)查目的
        3.1.2 調(diào)查的范圍
        3.1.3 就業(yè)質(zhì)量評價(jià)指標(biāo)選取與問卷設(shè)計(jì)
    3.2 就業(yè)調(diào)查問卷平臺(tái)的軟件實(shí)現(xiàn)
        3.2.1 系統(tǒng)概述
        3.2.2 調(diào)查問卷發(fā)布回收
    3.3 數(shù)據(jù)簡介
        3.3.1 數(shù)據(jù)來源
        3.3.2 數(shù)據(jù)預(yù)處理
    3.4 分析方法與工具
    3.5 軟件工程專業(yè)挖掘結(jié)果分析
    3.6 計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)挖掘結(jié)果分析
    3.7 本章小結(jié)
第四章 離群學(xué)生成績預(yù)警研究
    4.1 數(shù)據(jù)簡介
        4.1.1 數(shù)據(jù)來源
        4.1.2 數(shù)據(jù)預(yù)處理
    4.2 Lof檢測離群學(xué)生
        4.2.1 用Lof算法檢測離群學(xué)生流程
        4.2.2 離群的檢測
        4.2.3 學(xué)生學(xué)習(xí)狀態(tài)分析
    4.3 神經(jīng)網(wǎng)絡(luò)模型預(yù)測離群學(xué)生成績
        4.3.1 數(shù)據(jù)預(yù)處理
        4.3.2 多層神經(jīng)網(wǎng)絡(luò)算法的設(shè)計(jì)
        4.3.3 模型優(yōu)化
        4.3.4 離群學(xué)生目標(biāo)課程預(yù)警
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 論文研究工作總結(jié)
    5.2 進(jìn)一步工作與展望
致謝
參考文獻(xiàn)
附錄



本文編號(hào)：3918350