[發明專利]學校信息庫的管理方法及系統

有效

• 申請號: 201210123263.2
• 申請日: 2012-04-24
• 公開（公告）號: CN103377223A
• 公開（公告）日: 2013-10-30
• 發明（設計）人: 蔣方純;劉曉東;楊欣斌
• 申請（專利權）人: 深圳信息職業技術學院
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 深圳中一專利商標事務所 44237
• 代理人: 張全文

技術領域

本發明屬于計算機領域，尤其涉及一種學校信息庫的管理技術。

背景技術

隨著信息化程度的提高，學校也引進了學校信息庫，利用學校現有的教育資源信息數據庫，自動發現對學校管理與決策有用的知識，為學校的管理與決策提供科學手段。知識發現中主要利用數據挖掘技術。目前學校的管理與決策主要是由手工或簡單的統計來完成。

在實現現有技術的技術方案中，發現現有技術存在如下問題：

(1)不能快速檢測。手工方式不能夠在學生或者課程數據產生初期幾天甚至更短的時間內進行分析，發現有利于學校教育或者監督策略的快速布置。

(2)不能自動檢測。絕大部分的學生或者課程檢測工作不能自動完成，需要人工參與，并且不能夠更加快速地完成檢測。

(3)不能對所有學生或課程，及不固定特征進行檢測。只能針對學生或課程的固定特征進行，并且只能檢測部分學生或者課程。

發明內容

本發明實施例的目的在于提供一種學校信息庫的管理方法，旨在解決現有的技術方案不能快速檢測，不能自動檢測的問題。

本發明實施例是這樣實現的，一種學校信息庫的管理方法，所述方法包括：

獲取學生的原始數據，對原始數據進行屬性約減處理并產生表示學生或者課程的特征參數；

依據該學生或者課程的特征參數構造基于聚類的檢測模型；

利用所述檢測模型進行檢測以實現學校信息庫的管理。

另一方面，本發明還提供一種學校信息庫的管理系統，所述系統包括：

約減單元，用于獲取學生的原始數據，對原始數據進行屬性約減處理并產生表示學生或者課程的特征參數；

構造單元，用于依據該學生或者課程的特征參數構造基于聚類的檢測模型；

檢測單元，用于利用所述檢測模型進行檢測以實現學校信息庫的管理。

在本發明實施例中，本發明提供的技術方案通過屬性約減處理，構造基于聚類的檢測模型來實現學校信息庫的管理，采用了上述方法進行學校信息庫的管理具有快速檢測，自動檢測的優點。

附圖說明

圖1是本發明提供的一種學校信息庫的管理方法的流程圖；

圖2是本發明具體實施方式提供的檢測模型產生過程示意圖；

圖3為本發明具體實施方式提供的決策樹部分分析結果的示意圖；

圖4為本發明具體實施方式提供的聚類模型示意圖；

圖5為本發明具體實施方式提供的被聚類成兩類的分析結果示意圖；

圖6是本發明具體實施方式提供的一種學校信息庫管理系統的結構圖。

具體實施方式

為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。

本發明提供的一種學校信息庫的管理方法，該方法如圖1所示，包括如下步驟：

S11、獲取學生的原始數據，對原始數據進行屬性約減處理并產生表示學生或者課程的特征參數；

S12、依據學生或者課程的特征參數構造基于聚類的檢測模型；

S13、利用上述檢測模型進行檢測以實現學校信息庫的管理。

本發明提供的檢測方法具有如下優點：

(1)快速檢測。能夠在學生或者課程數據產生初期幾天甚至更短的時間內發現，有利于學校教育或者監督策略的快速布置。

(2)自動檢測。軟硬件布置后，絕大部分的學生或者課程檢測工作可以自動完成，不需要人工參與。自動檢測同時也意味著能夠更加快速地完成檢測。

(3)檢測所有的學生或者課程。由于學生或者課程特征不固定，我們不針對特定的學生或者課程類型，而是利用決策樹算法自動挖掘出可疑的、感興趣的數據屬性。這種利用決策樹算法實現的自適應屬性選擇能夠檢測現有的所有學生或者課程類型及其變型，也同樣適用于檢測新的學生或者課程類型。其具體的檢測算法可以采用神經元網絡、決策樹和聚類三種數據挖掘算法。下面結合檢測模型和檢測進行描述。

檢測模型的產生分為屬性約減、特征產生和檢測模型產生三個步驟，其產生過程如圖2所示。

(1)屬性約減