决策树技术在高职院校学生成绩分析中的应用研究

该文通过介绍数据挖掘的概念和决策树分类方法,论述了ID3算法的基本思想和实现方法,并用该算法对高职院校学生成绩进行分析,建立基于决策树技术的学生成绩分析应用研究模型。通过该模型分析,找出了影响学生成绩的潜在因素,为提高教学质量提供参考依据。     

基于数据挖掘的成绩管理系统的研究与设计

本文通过分析现有成绩管理系统中的不足,提出采用类字段来进行成绩管理,以便大大减少数据库中表的数量和记录的数量。通过对成绩分析的相关研究,提出应用数据挖掘技术来进行学生成绩的分析,提高成绩分析水平。通过对决策树中SLIQ算法研究,将SLIQ算法应用到学生成绩分析中,让教师和学校教育决策者洞悉教学中存在的问题。     

基于决策树算法的学生成绩的预测分析

针对学生成绩问题,用决策树算法建立分类规则和分析预测模型,描述如何根据分析预测结果发现影响学生成绩的因素,进而有益于教师改进教学方法,提高学生的学习效果.通过实例验证,建立决策树,得出分类规则,结果表明该算法能够对学生数据进行正确分类,得到有价值的结论.     

C4.5算法在成绩分析中的应用

对如何将数据挖掘技术应用于成绩分析的问题进行了研究。通过调查淮北职业技术学院08级学生学习《数据结构》的学习情况,与现有的成绩分析方法完全不同的角度,通过采用数据挖掘中的C4.5算法,建立了学生成绩分析决策树模型,并提取了分类规则,可以对今后的教学工作发挥积极的指导作用,实验结果及分析表明了该方法的有效性。     

福建省计算机学会简介

为了从教务管理系统中的英语等级考试成绩中提取影响学生成绩的潜在因素，提出了智能模糊决策树算法。该算法使用粒子群优化算法智能设定模糊决策数算法中的主要参数的值，解决了人工经验设定的盲目性和低效性。实验表明，该算法可以有效预测学生平时成绩与英语等级成绩的关联，为调节教学环节，指导教学提供了有用的参考。     

决策树C5算法在教学实践中的应用

决策树C5分类算法是一种广泛应用的分类方法，本文根据泉州初中某届学生3年数学成绩建立c5决策树，并对生成的决策树进行合理的分析。从而指导教师在恰当的时期有针对性对学生进行辅导以提高中考及格率和优秀率．并为以后更详细的教学成果数据分析奠定了基础。     

决策树C4.5算法在学生成绩管理系统中的分析及其应用

本文详细论述了C4.5算法的原理及计算过程,并运用C4.5算法对某高校2011级电子信息工程专业的学生成绩数据进行分析。首先确定数据挖掘对象,进行样本采集,选择影响成绩的重要属性;然后运用C4.5算法对成绩数据进行分析挖掘从而生成决策树,为今后的教学工作提供指导,以此提高学生的成绩。     

悲观剪枝算法在学生成绩决策树中的应用

利用数据挖掘技术中的决策树ID3算法分析影响学生成绩的因素并生成决策树,可以从中挖掘出隐含的、未知的、影响学生成绩的潜在因素,然而,生成的决策树通常庞大而且复杂,有必要对它进行剪枝,在有效简化决策树的基础上,保证挖掘质量,得出影响学生成绩的重要因素。     

C4.5分类算法在高职就业预测中的应用

将C4.5决策树分类算法用于高职就业预测,并提取挖掘规则。对学生基本信息、各科考试成绩,以及就业信息进行处理,选取决策属性,构造决策树,由提取的规则,获得就业和学生成绩之间的关系,挖掘结果显示,该算法能将学习成绩属性和是否是学生干部属性进行正确分类,做出一定的就业预测,对辅助决策具有一定的帮助。     

基于决策树分类算法在大学生成绩分析中的应用

针对大学生计算机二级成绩影响因素的问题,运用决策树方法C4.5算法对湖北工程学院新技术学院2012级学生计算机二级成绩进行分析挖掘并生成决策树模型。通过模型分析找出分类规则总结出成绩影响因子,为今后计算机等级考试的教学工作提供指导性意见并提高考试的通过率,达到提高教学质量和促进教育教学改革的目的。     

Fuzzy fusion for attending and responding assessment system of affective teaching goals in distance learning

Teachers can handle learning situations during activities in peer-to-peer classes, and assess student achievements associated with teaching goals in the affective domain. In distance learning, teachers cannot directly observe student states and assess achievement concurrently. Many distance education studies adopted frequency of interaction as the basis of student participation when assessing the student achievements in class. However, the number of times a student interacts is not equal to discussion quality. Although synchronous discussions during class can help teachers assess learning states, these discussions are not suited to all courses. If a teacher can supervise student images from computer’s webcam and observe student status, the teacher can assess achievement accurately. Image processing technology can be applied in an assessment system in distance learning, student states can be observed and these observational results can be combined with behavior detection to help teachers assess student achievement in terms of teaching goals in the affective domain.This study had analyzed the theory and method of assessing affective domain teaching goals. The assessment system had been implemented and simulated using image processing technology and records to analyze student achievement of attending and responding stages with a class period, via fuzzy logic and a fuzzy integral. Simulation results indicate that this assessment system can accurately assess student achievement in terms of attending and responding stages of affective domain teaching goals.     

基于糊模ID3算法的高校学生流失数据挖掘研究

目前高校不断扩招,生源却逐渐减少,于是预防和减少学生流失正成为各高校必须面对的问题。通过对高校学生流失情况进行数据挖掘,可发现一些有价值的信息,为解决高校学生流失问题提供帮助。基于糊模理论提出了糊模ID3算法,并将该算法运用于分析高校学生流失原因之中。通过实验证明,该算法生成的决策树更加合理,分类速度更快,为解决高校学生流失问题提供了理论依据。     

基于Apriori算法的远程教学成绩影响因素分析研究

该文利用数据挖掘技术中的Apriori算法,对远程教育教学成绩的影响因素进行分析,重点分析了教学成绩的高低和学生的年龄、网上学习的时间、网上学习的模块数、面授教学到课率等因素的之间的关联度,并以此为基础处,探究建立一套了学、完善的远程教学评价机制,实现教育质量的提升。     

决策树算法在中职学校学生成绩分析中的应用研究

使用数据挖掘技术,建立基于决策树技术的中职学校学生成绩分析模型,从中找到潜在的、影响学生成绩的因素,为提高教学质量或教学改革提供参考依据。     

关联规则挖掘在高校教学评价中的应用

将数据挖掘中关联规则应用到高校教学评价中,寻找教学评价数据背后隐含的有价值的信息.利用改进的Apriori算法挖掘评教数据,从大量的评教数据中发现数据间的关联.通过实例分析,结果发现了评价等级与教师的学历、职称、教龄、科研能力之间的关联.分析并利用这些关联规则,既可以提高授课教师的教学水平,又可以为教学管理部门的提供决策参考,从而提高教育教学质量.     

基于C4.5算法的学生成绩的研究与分析

该文探索研究应用C4.5决策树算法来分析高等职业院校的学生成绩的新方法,同时建立起一个学生成绩分析决策树模型,完整地展现了学生成绩分类挖掘的全过程;并以广州工程技术职业学院的学生成绩管理系统的学生成绩数据为实例,运用Java编程语言开发了一个基于C4.5算法的学生成绩分析系统,以合理调整教学服务过程中出现的问题,提高管理效率与教学质量,全面促进学生的素质发展,提高高等职业院校的综合办学能力和核心竞争力。     

关于《算法及其实现》教学实践与探索

《算法及其实现》是浙江省《信息技术基础》教材第三章第五节的教学内容,也是学生学习的重难点内容,通过该内容的学习,可以培养学生的算法思维能力,并初步学会编制程序实现算法以解决问题。但在实际教学中,学生难学、教师难教的问题突出。本文笔者结合教学实践,探讨如何在算法教学中提高学生学习兴趣,培养学生分析和解决问题的能力．引领学生思维发展,从而实现有效教学。     

基于决策树的数据挖掘算法优化研究

决策树模型是数据挖掘中最常用的一种方法,具有较好的分类预测能力,并能方便提取决策规则。基于相似性原理,以测试属性和决策属性的相似度作为启发规则构建决策树。提出了一种新的决策树生成算法。并在高校教师综合考评系统中采用了这种新算法,实验结果表明这种新的决策树生成算法预测精度较高,计算也比较简便。     

基于前景和量子理论的模糊多属性决策方法

针对属性权重不完全确定且属性偏好值为区间直觉模糊数的多属性决策问题,提出一种基于前景理论和量子进化算法的模糊多属性决策方法。该方法根据前景理论及模糊数距离公式,定义区间直觉模糊数的前景价值函数,同时将决策者对方案的风险偏好纳入决策行为中,以此来构建方案综合前景值最大化的非线性规划模型。通过引入量子进化算法,求解模型得出最优权重向量。最终根据方案前景值确定出方案的排序。该方法适用于模糊决策环境,能满足决策者不提供确定属性权重的要求,并充分考虑决策者风险心理因素对决策行为的影响,具有广泛的应用价值。数值算例说明了该方法的有效性和可行性。