高校教务信息管理系统中关联规则挖掘算法改进研究和应用

徐 飞

(闽西职业技术学院 福建 龙岩 364030)

0 引言

有别于传统的数据处理方式,数据挖掘主要是一种以数据分析为基础的数据处理技术,能够高效地完成信息分类、聚类、关联挖掘等数据处理工作[1]。如今,各个领域应用的数据挖掘关联规则算法主要以Apriori算法为基础。但由于Apriori算法其本身频繁进行数据库扫描及大量候选集的缺点,在应用过程中通常会对Apriori算法进行优化和拓展,以更好地适用信息处理工作。本次研究以 Apriori 算法为基础,提出一种优化的Apriori+算法,并将其引入至高校教务管理中进行实验,探讨其应用效果。

1 数据挖掘技术

数据挖掘技术也被称作“数据库的知识发现”,其基本的运行逻辑是在大量无规则、不完全、模糊且随机的原始数据中,辨别并提取到在数据中所隐藏的,与之相关或有用的知识及信息[2]。

1.1 数据挖掘技术的特点

数据挖掘技术在应用过程中有较为显著的要素或特征,如可以对GB、TB或者更大规模的数据进行处理;可以通过系统分析或通过模糊查询获取有用的信息;适用于数据更新快且反应速度快的场合,有利于对相应的决策提供支持;具有动态增长性,随着数据规模的扩展,数据挖掘系统可以发现新规则或对原规则进行更新。从以上特点亦可以看出,数据挖掘技术在高校教务系统中具有较高的应用价值。

1.2 数据挖掘技术的功能

1.2.1 关联规则分析功能

数据仓库作为相关信息内容的集合,其中涵盖事务数据库、关系数据库以及其他相关的各类数据信息。数据挖掘过程中主要是通过对数据仓库信息的扫描,运用关联规则中的最小支持度及最小置信度实现信息获取,并通过相关关系和项集的确定对得到的信息进行挖掘分析。

海洋油气资源开发是服务海洋强国战略和“一带一路”倡议的具体体现，对实现国家能源战略、维护国家权益等具有重要意义。惠州海事局秉持提供专业优质高效的海事服务理念，积极采取多种有效措施，不断提高海事监管服务水平，与有关企业共同努力解决存在的安全隐患，大力助推海洋石油勘探事业的发展。

1.2.2 概念描述及聚类分析功能

2.3.3