[發(fā)明專利]基于數(shù)據(jù)挖掘的在校學(xué)生成績預(yù)警方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710224459.3
• 申請(qǐng)日: 2017-04-07
• 公開（公告）號(hào): CN106778054A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計(jì)）人: 鄧曉衡;陳琳杰;龍芳;黃戎;陳凌馳;鄭靜益
• 申請(qǐng)（專利權(quán)）人: 中南大學(xué)
• 主分類號(hào): G06F19/00
• 分類號(hào): G06F19/00
• 代理公司: 長沙永星專利商標(biāo)事務(wù)所(普通合伙)43001
• 代理人: 周詠,米中業(yè)

技術(shù)領(lǐng)域

本發(fā)明具體涉及一種基于數(shù)據(jù)挖掘的在線學(xué)生成績預(yù)警方法。

背景技術(shù)

隨著經(jīng)濟(jì)技術(shù)的發(fā)展和人們生活水平的提高，教育已經(jīng)成為了人們最為關(guān)注的領(lǐng)域之一，國家對(duì)于教育的投入也在逐年增長。因此，越來越多的人們走入青青校園，開始了學(xué)生生涯。

毫無疑問的，在校學(xué)生的首要任務(wù)便是學(xué)習(xí)。但是現(xiàn)在發(fā)達(dá)的科技使得人們的娛樂方式越來越多，各類娛樂設(shè)備層出不窮，娛樂方式也日新月異，從而使得許多在校學(xué)生丟下學(xué)業(yè)沉迷其中。

目前對(duì)于學(xué)生在校學(xué)習(xí)狀態(tài)的反饋，一般都是老師通過學(xué)生的學(xué)習(xí)狀態(tài)、外在表現(xiàn)等進(jìn)行人為判斷和反饋，其整個(gè)過程充滿了主觀性和不確定性。很多時(shí)候，老師由于教學(xué)事務(wù)繁忙而無法及時(shí)獲取或忽視了學(xué)生的學(xué)習(xí)狀態(tài)，而在學(xué)生考試失敗或者學(xué)習(xí)成績失敗后才想起進(jìn)行干預(yù)，這無疑事倍功半。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于歷史數(shù)據(jù)的、能夠客觀和及時(shí)為學(xué)生的學(xué)習(xí)成績提供預(yù)警的基于數(shù)據(jù)挖掘的在線學(xué)生成績預(yù)警方法。

本發(fā)明提供的這種基于數(shù)據(jù)挖掘的在線學(xué)生成績預(yù)警方法，包括如下步驟：

S1.獲取學(xué)校已畢業(yè)學(xué)生的所有m個(gè)科目的成績數(shù)據(jù)，將成績數(shù)據(jù)劃分為n個(gè)等級(jí)，并建立相應(yīng)的數(shù)據(jù)庫；所述m和n均為自然數(shù)；

S2.針對(duì)步驟S1得到的成績數(shù)據(jù)，采用Apriori算法挖掘成績數(shù)據(jù)中所有符合最小支持度計(jì)數(shù)值的頻繁項(xiàng)集；

S3.利用步驟S2得到的頻繁項(xiàng)集構(gòu)建所有潛在的規(guī)則，計(jì)算構(gòu)建的所有規(guī)則的條件概率，并與最小置信度值進(jìn)行比較得到滿足條件的所有強(qiáng)關(guān)聯(lián)規(guī)則；

S4.對(duì)在校學(xué)生的所有成績運(yùn)用步驟S3得到的所有強(qiáng)關(guān)聯(lián)規(guī)則進(jìn)行數(shù)據(jù)運(yùn)算，得到在校學(xué)生的課程成績的預(yù)測(cè)結(jié)果，并對(duì)課程成績預(yù)測(cè)結(jié)果不合格的學(xué)生進(jìn)行成績預(yù)警。

步驟S1所述的獲取學(xué)校已畢業(yè)學(xué)生的成績數(shù)據(jù)，具體為以學(xué)院為單位進(jìn)行成績數(shù)據(jù)的獲取。

步驟S1所述的將成績數(shù)據(jù)劃分為n個(gè)等級(jí)，具體為按照如下規(guī)則進(jìn)行等級(jí)劃分：

若成績數(shù)據(jù)是分?jǐn)?shù)制，則90～100分劃分為等級(jí)“優(yōu)良”，75～89分劃分為等級(jí)“中等”，0～74分劃分為等級(jí)“差”；

若成績數(shù)據(jù)是等級(jí)制，則等級(jí)A劃分為等級(jí)“優(yōu)良”，等級(jí)B劃分為等級(jí)“中等”，等級(jí)C及以下劃分為等級(jí)“差”。

步驟S2所述的采用Apriori算法挖掘成績數(shù)據(jù)中所有符合最小支持度計(jì)數(shù)值的頻繁項(xiàng)集，具體為采用改進(jìn)型Apriori算法進(jìn)行頻繁項(xiàng)集的挖掘，具體包括如下步驟：

A.設(shè)置Apriori算法的最小支持度；

B.掃描步驟S1建立的數(shù)據(jù)庫，根據(jù)數(shù)據(jù)庫的記錄數(shù)設(shè)定編碼長度，然后對(duì)每條記錄進(jìn)行掃描，將出現(xiàn)記錄的位置置為1，未出現(xiàn)記錄的位置置為0，從而得到該項(xiàng)的一個(gè)編碼位串；

C.在步驟B得到的編碼位串中，對(duì)每個(gè)編碼位串中“1”出現(xiàn)的次數(shù)進(jìn)行統(tǒng)計(jì)得到第一統(tǒng)計(jì)數(shù)值，并將第一統(tǒng)計(jì)數(shù)值與最小支持度計(jì)數(shù)值進(jìn)行比較，并保留第一統(tǒng)計(jì)數(shù)值大于或等于最小支持度的編碼位串和對(duì)應(yīng)的項(xiàng)，得到頻繁項(xiàng)集L₁；

D.對(duì)步驟C中得到的頻繁項(xiàng)集L₁中的所有項(xiàng)進(jìn)行兩兩連接形成候選項(xiàng)集C₂，同時(shí)對(duì)兩兩連接的項(xiàng)的編碼位串之間進(jìn)行與運(yùn)算從而生成新的編碼位串；

E.對(duì)步驟D中生成的新的編碼位串中的“1”再次進(jìn)行統(tǒng)計(jì)得到第二統(tǒng)計(jì)數(shù)值，并保留第二統(tǒng)計(jì)數(shù)值大于或等于最小支持度計(jì)數(shù)值的編碼位串和對(duì)應(yīng)的項(xiàng)，得到頻繁項(xiàng)集L₂；

F.重復(fù)步驟D～步驟E，在由頻繁項(xiàng)集L_k相互連接構(gòu)建候選項(xiàng)集C_k+1前，統(tǒng)計(jì)頻繁項(xiàng)集L_k中各單項(xiàng)出現(xiàn)在頻繁項(xiàng)集L_k中的次數(shù)，得到第三統(tǒng)計(jì)數(shù)值；若L_k中某個(gè)單項(xiàng)的第三統(tǒng)計(jì)數(shù)值小于k，則將頻繁項(xiàng)集L_k中包含此單項(xiàng)的項(xiàng)剔除，從而得到修建后的頻繁項(xiàng)集L’_k；所述k為不小于2的自然數(shù)；

G.將頻繁項(xiàng)集L’_k中的各個(gè)項(xiàng)進(jìn)行連接操作，并在連接過程中進(jìn)行相連接的兩個(gè)項(xiàng)的編碼位串進(jìn)行與運(yùn)算，然后對(duì)生成的候選項(xiàng)集的C_k+1編碼位串中的“1”進(jìn)行計(jì)數(shù)操作得到第k+1統(tǒng)計(jì)數(shù)值，并保留第k+1統(tǒng)計(jì)數(shù)值大于或等于最小支持度計(jì)數(shù)值的編碼位串和對(duì)應(yīng)的項(xiàng)，得到頻繁項(xiàng)集L_k+1；

H.重復(fù)上述步驟F～步驟G，直至最終得到的頻繁項(xiàng)集為空集。