高校教務信息管理系統中關聯規則挖掘算法改進研究和應用

徐 飛

(閩西職業技術學院 福建 龍巖 364030)

0 引言

有別于傳統的數據處理方式,數據挖掘主要是一種以數據分析為基礎的數據處理技術,能夠高效地完成信息分類、聚類、關聯挖掘等數據處理工作[1]。如今,各個領域應用的數據挖掘關聯規則算法主要以Apriori算法為基礎。但由于Apriori算法其本身頻繁進行數據庫掃描及大量候選集的缺點,在應用過程中通常會對Apriori算法進行優化和拓展,以更好地適用信息處理工作。本次研究以 Apriori 算法為基礎,提出一種優化的Apriori+算法,并將其引入至高校教務管理中進行實驗,探討其應用效果。

1 數據挖掘技術

數據挖掘技術也被稱作“數據庫的知識發現”,其基本的運行邏輯是在大量無規則、不完全、模糊且隨機的原始數據中,辨別并提取到在數據中所隱藏的,與之相關或有用的知識及信息[2]。

1.1 數據挖掘技術的特點

數據挖掘技術在應用過程中有較為顯著的要素或特征,如可以對GB、TB或者更大規模的數據進行處理;可以通過系統分析或通過模糊查詢獲取有用的信息;適用于數據更新快且反應速度快的場合,有利于對相應的決策提供支持;具有動態增長性,隨著數據規模的擴展,數據挖掘系統可以發現新規則或對原規則進行更新。從以上特點亦可以看出,數據挖掘技術在高校教務系統中具有較高的應用價值。

1.2 數據挖掘技術的功能

1.2.1 關聯規則分析功能

數據倉庫作為相關信息內容的集合,其中涵蓋事務數據庫、關系數據庫以及其他相關的各類數據信息。數據挖掘過程中主要是通過對數據倉庫信息的掃描,運用關聯規則中的最小支持度及最小置信度實現信息獲取,并通過相關關系和項集的確定對得到的信息進行挖掘分析。

海洋油氣資源開發是服務海洋強國戰略和“一帶一路”倡議的具體體現，對實現國家能源戰略、維護國家權益等具有重要意義。惠州海事局秉持提供專業優質高效的海事服務理念，積極采取多種有效措施，不斷提高海事監管服務水平，與有關企業共同努力解決存在的安全隱患，大力助推海洋石油勘探事業的發展。

1.2.2 概念描述及聚類分析功能

2.3.3