基于FP-growth算法的高校招生就业决策分析系统研究与设计

本文以高校招生就业现状为研究背景,对高校招生就业决策进行需求分析,设计了高校招生就业决策分析系统架构,构建了招生就业决策数据仓库,使用FP-growth算法实现数据仓库中相关主题的数据挖掘,为招生就业决策提供了新的思路和方法。     

基于集对分析的学生成绩分析算法

针对目前学生成绩评定方法不能有效检测学生偏科问题,利用数据挖掘思想,提出基于集对分析的学生成绩分析(Ro SA)算法。以某高校本科生的实际成绩为样本,编程实现该算法,实验结果表明,该算法可以更加客观地反映学生的学习情况,并可有效检测出学生是否偏科;通过分析该算法与普通方法评定结果的差异,可以较好地分析出学生在不同阶段的学习状态。     

FP-growth频繁集挖掘算法的分析与实现

FP-growth算法是不产生候选集的频集挖掘算法,对其分析和实现有重要意义.通过描述和分析FP-growth算法,利用C＋＋STL对其进行了实现,最后在若干数据集上与Apriori算法进行了性能比较,获得了较Apriori算法更好的运算结果.     

学生成绩管理系统中空成绩的估计算法

学生管理系统中出现空成绩的现象普遍存在,为了更加全面合理地衡量学生的学习情况,有必要对空成绩提出更有效地处理方式。本文用模糊聚类和线性回归算法来估计空成绩。通过模糊聚类算法把学生成绩划分成不同的级别,根据已有的成绩采用线性回归算法来推算出空成绩。     

学生成绩计算机管理系统

前言随着电子计算机技术的普及,特别是各种配有汉字系统的微型计算机的推广和应用,为我国计算机管理,开辟了广阔的前景。高等学校学生成绩管理中的大量日常工作是对学生成绩数据进行处理,编制各种报表,用手工完成这项工作,工作量既大又不及时。若采用计算机管理,它能迅速而准确地打印输     

学生成绩分析系统的设计与实现

采用Ｃ语言与Ｆｏｘｂａｓｅ＋混合编程技术开发的“学生成绩分析系统”，较全面地实现了学生成绩分析所需的各项功能，作为“高校学生管理信息系统”的一个有力补充，具有推广应用前景。     

基于加权朴素贝叶斯分类算法的学生成绩决策分析

在已有上机实验数据的基础上,使用综合的权值计算方法,将加权朴素贝叶斯分类算法应用到学生成绩分析与预测中．实验结果显示,对于学生的成绩分类,使用综合权值的结果优于传统权值的分类结果,表明使用文中的加权贝叶斯方法分析学生成绩是切实可行的．     

谈谈学生英语成绩测试分析系统的应用

随着改革开放的进一步深入,外语尤其是英语的重要性日益显著,怎样及时而准确地了解和掌握学生学习和使用英语的实际水平和具体情况,已成为学校英语教学中非常突出的问题。科技日新月异,计算机在国民经济各个领域普遍应用,在辅助教育方面也开始蓬勃发展。在西方发达国家,计算机辅助教学已有三十多年的历史,不但大中小学已开出了由计算机授课的课程,而且已建成了全国性的计算机辅助教学的网络系统。我国从1978年提出计算机辅助教学     

基于Web的网上学生成绩查询系统的设计与实现

介绍了在Internet/WWW环境下构建学生成绩查询系统的设计思路与方法,阐述了在学生成绩查询系统中的ASP技术和WEB数据库技术的运用,描述了学生成绩查询系统的功能及各功能的具体实现.     

基于遗传神经网络的学生成绩预测

提出一种基于遗传神经网络的成绩预测方法。首先用相关分析法计算了基础课程成绩与目标课程成绩的相关系数,选取了与目标课程成绩相关度高的基础课程成绩作为输入项,然后引入遗传算法对反向传播(back propagation,BP)神经网络的初始权值和阈值进行优化,实现学生目标课程成绩预测。采集某大学通信工程专业1601—1603班级99名学生的实际教学数据进行验证,结果表明,该方法与BP神经网络模型相比,预测的均方根误差由8.6降低为2.8。     

基于Excel的学生成绩管理系统设计

介绍了基于Excel的学生成绩的管理系统,结合学生成绩管理和系统设计的特点介绍了其应用办法和应用前景.     

学生成绩评定方法研究

分别用x2拟合检验法、直方图和Q-Q分布图从直观和理论两方面出发验证学生成绩是否呈正态分布,通过图象与应用概率统计知识有机结合,运用数学软件对数据进行处理,达到验证研究的目的。     

改进的FP-growth算法及其在TE过程故障诊断中的应用

为了解决频繁模式增长( frequent pattern growth,FP-growth)算法因多次遍历频繁集列表而产生庞大频繁模式树需占用大量内存降低了运行效率的问题,提出一种改进的FP-growth( upgraded FP-growth,UFP)算法。首先,构造支持度函数实现各项与其支持度的映射,使算法的运行效率得到提高;其次,利用关键字筛选技术,把频繁项分成关键项表、非关键项表两部分,保证了最终获取的每条关联规则都是人们关注的有效信息;最后,根据频繁1-项集划分数据库子集并直接构造每一项的条件模式树,节省了内存空间。将UFP算法应用于Tenessee Eastman( TE)过程的故障诊断,通过与主成分分析( principal component analysis,PCA)、核主成分分析( kernel principal component analysis,KPCA)算法在多种故障下的诊断结果对比实验验证了算法的优越性。     

改进的Apriori算法在成绩分析中的应用研究

针对经典Apriori算法会产生大量冗余规则的缺点,在两方面对算法进行了改进:一方面是对产生频繁项集方式的改进,使算法只产生包含目标项的频繁项集;另一方面是对产生规则方式的改进,使算法只产生关联后件中包含目标项的关联规则.Apriori算法改进前后的对比表明:改进后的Apriori算法可以避免非目标规则的产生,使算法更符合成绩分析的需要,提高算法的执行效率.将改进的Apriori算法应用于成绩分析中表明,改进后的算法能够挖掘出各门前导课程成绩对后续课程成绩的影响,因此可为教师制定有针对性的教学计划提供参考.     

学生成绩偏离正态分布的原因分析

学生学习成绩应该呈正态分布,但目前往往偏离正态分布,不及格率较高.分析了原因,提出了纠偏的措施.     

学生成绩分析中最优试卷样本量确定的研究

本文应用简单随机抽样的理论来确定用于学生成绩分析的试卷样本抽取量,并得到相应的计算公式。在置信度为95%的条件下,计算不同相对误差下的样本均值和标准差,并与总体的均值、标准差进行对比分析,最终得到在7.5%相对误差下,对于人数不超过40班级,建议试卷的最优样本量确定为10。     

基于决策树算法的学生综合测评系统的设计

本文用决策树算法(ID3算法),在对安徽省第一轻工业学校学生综合测评信息进行分析的基础上,建立综合测评预测模型。该系统对今后的学生综合评价具有一定的实用意义。     

基于学生成绩因子分析的高职院校软件技术专业课程建设研究

采用实证分析法,以广东某高职院校为研究对象,对该校2011级软件技术专业全体学生学习成绩进行因子研究。旨在揭示不同课程之间对于学生不同学习能力培养的联系,进而为专业课程建设提供现实依据。