姚蓓蓓

摘要：高校信息化的進(jìn)程在信息技術(shù)的高速發(fā)展和高等教育制度改革，特別是在素質(zhì)教育的大背景下不斷地推進(jìn)。將處理模糊和不精確問(wèn)題的粗糙集理論融入到數(shù)據(jù)挖掘，并運(yùn)用到學(xué)生綜合素質(zhì)測(cè)評(píng)中去，找出影響測(cè)評(píng)成績(jī)的關(guān)鍵因素和各個(gè)因素之間的關(guān)聯(lián)，為管理者提供有效地科學(xué)決策依據(jù)，最終提高高校管理質(zhì)量與效率，培養(yǎng)出更多的德智體全面發(fā)展的大學(xué)生。

關(guān)鍵詞：數(shù)據(jù)挖掘；粗糙集；屬性約簡(jiǎn)；關(guān)聯(lián)規(guī)則

中圖分類號(hào)：TP271 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）24-5588-05

隨著教育教學(xué)改革的不斷推進(jìn)，各所高校越來(lái)越重視學(xué)生的綜合素質(zhì)教育。高校信息化的進(jìn)程在信息技術(shù)的高速發(fā)展和高等教育制度改革，特別是在素質(zhì)教育的大背景下不斷地推進(jìn)。數(shù)據(jù)挖掘作為一門新興的數(shù)據(jù)分析技術(shù)，它正因其強(qiáng)大的實(shí)用功能，吸引了很多研究者的關(guān)注和探索，被許多領(lǐng)域所認(rèn)可，其潛力無(wú)限，粗糙集理論重要用來(lái)處理模糊的和不確定性的信息?；诖植诩臄?shù)據(jù)挖掘技術(shù)能在這些繁雜的學(xué)生信息和數(shù)據(jù)中挖掘出有用的信息為管理者提供重要的決策信息，提高管理和教育水平。

1 數(shù)據(jù)挖掘技術(shù)

1.1數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘（Data Mining，DM）又稱數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)（Knowledge Discover in Database，KDD），目的是從復(fù)雜的數(shù)據(jù)中，找出潛在的、用戶感興趣的有用信息。它是一種多學(xué)科綜合的產(chǎn)物，主要基于人工智能、機(jī)器學(xué)習(xí)、模式識(shí)別、統(tǒng)計(jì)學(xué)理論、數(shù)據(jù)可視化技術(shù)、數(shù)據(jù)庫(kù)技術(shù)等應(yīng)用于復(fù)雜的現(xiàn)實(shí)數(shù)據(jù)[1]。

1.2數(shù)據(jù)挖掘的過(guò)程

海量數(shù)據(jù)搜集、強(qiáng)大的多處理器計(jì)算機(jī)和有效的數(shù)據(jù)挖掘算法為數(shù)據(jù)挖掘技術(shù)提供了必要的保障。數(shù)據(jù)挖掘的過(guò)程有很多種劃分，一般主要分為三個(gè)階段，即： 數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、結(jié)果表達(dá)和解釋。其中，數(shù)據(jù)準(zhǔn)備階段主要涉及到數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)變化等大量的準(zhǔn)備工作，大約花費(fèi)整個(gè)過(guò)程的60%左右的時(shí)間和精力；數(shù)據(jù)挖掘階段是非常重要的階段，需要選擇合適的方法和算法建立挖掘模型，也是研究者嗎，們的研究重點(diǎn)；最后通過(guò)表達(dá)和解釋，得出結(jié)果，根據(jù)最終用戶的興趣度度量，對(duì)提取的信息分析，識(shí)別有趣的信息，刪除不滿足要求的模型重新挖掘，如圖1所示。

由以上結(jié)果，我們可以這出這樣的結(jié)論：在影響學(xué)生綜合素質(zhì)成績(jī)的所有因素中，其中參加社會(huì)實(shí)踐的多少、體育成績(jī)、文化課成績(jī)以及是否擔(dān)任學(xué)生干部體現(xiàn)較為關(guān)鍵，幾者之間存在著相互制約和影響的關(guān)系。同時(shí)也能看出，決大部分在校擔(dān)任學(xué)生干部的同學(xué)，不僅參加了很多社會(huì)實(shí)踐活動(dòng)，得到的鍛煉的機(jī)會(huì)多，而且在體育和文化課成績(jī)方面都不落后于其他同學(xué)，體現(xiàn)了擔(dān)任學(xué)生干部可以促進(jìn)自身綜合素質(zhì)的發(fā)展，所以說(shuō)在校大學(xué)生如果能夠合理安排學(xué)業(yè)、體育鍛煉和各項(xiàng)活動(dòng)，不僅不會(huì)影響學(xué)業(yè)，甚至可以促進(jìn)全面素質(zhì)的發(fā)展，而學(xué)習(xí)成績(jī)不好的學(xué)生往往是學(xué)習(xí)、活動(dòng)等安排不合理或?qū)W(xué)習(xí)本身就缺乏端正態(tài)度的，德智體的關(guān)系。

4 結(jié)束語(yǔ)

基于粗糙集理論的數(shù)據(jù)挖掘模型也正得到大批研究者的關(guān)注，粗糙集不僅可以獨(dú)立進(jìn)行知識(shí)挖掘，因其知識(shí)的定義、屬性約簡(jiǎn)和規(guī)則提取等方面的優(yōu)點(diǎn)，它還可以和其他數(shù)據(jù)挖掘算法結(jié)合起來(lái)，形成混合數(shù)據(jù)挖掘算法，極大地發(fā)展了數(shù)據(jù)挖掘的算法和技術(shù)，豐富了數(shù)據(jù)挖掘的工具。

參考文獻(xiàn)：

[1] 姜云蘋，葛世倫，蔣家尚，等.基于粗糙集的關(guān)聯(lián)規(guī)則挖掘在教師成長(zhǎng)中的應(yīng)用[J].計(jì)算機(jī)與信息技術(shù)，2008（8）.

[2] 姚晟，李龍澍.學(xué)生成績(jī)分析專家系統(tǒng)的研究與應(yīng)用[J].安徽大學(xué)學(xué)報(bào)：自然科學(xué)版，2007（1）.

[3] Deja R.Conflict Analysis[J].Intermational Joumal of Intelligent Systems，2002：235-253.

[4] Pawlak Z.Rough Sets[J].Intermation Joumal of Computer and Information Sciences，1982：341-356.endprint

摘要：高校信息化的進(jìn)程在信息技術(shù)的高速發(fā)展和高等教育制度改革，特別是在素質(zhì)教育的大背景下不斷地推進(jìn)。將處理模糊和不精確問(wèn)題的粗糙集理論融入到數(shù)據(jù)挖掘，并運(yùn)用到學(xué)生綜合素質(zhì)測(cè)評(píng)中去，找出影響測(cè)評(píng)成績(jī)的關(guān)鍵因素和各個(gè)因素之間的關(guān)聯(lián)，為管理者提供有效地科學(xué)決策依據(jù)，最終提高高校管理質(zhì)量與效率，培養(yǎng)出更多的德智體全面發(fā)展的大學(xué)生。

關(guān)鍵詞：數(shù)據(jù)挖掘；粗糙集；屬性約簡(jiǎn)；關(guān)聯(lián)規(guī)則

中圖分類號(hào)：TP271 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）24-5588-05

隨著教育教學(xué)改革的不斷推進(jìn)，各所高校越來(lái)越重視學(xué)生的綜合素質(zhì)教育。高校信息化的進(jìn)程在信息技術(shù)的高速發(fā)展和高等教育制度改革，特別是在素質(zhì)教育的大背景下不斷地推進(jìn)。數(shù)據(jù)挖掘作為一門新興的數(shù)據(jù)分析技術(shù)，它正因其強(qiáng)大的實(shí)用功能，吸引了很多研究者的關(guān)注和探索，被許多領(lǐng)域所認(rèn)可，其潛力無(wú)限，粗糙集理論重要用來(lái)處理模糊的和不確定性的信息?；诖植诩臄?shù)據(jù)挖掘技術(shù)能在這些繁雜的學(xué)生信息和數(shù)據(jù)中挖掘出有用的信息為管理者提供重要的決策信息，提高管理和教育水平。

1 數(shù)據(jù)挖掘技術(shù)

1.1數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘（Data Mining，DM）又稱數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)（Knowledge Discover in Database，KDD），目的是從復(fù)雜的數(shù)據(jù)中，找出潛在的、用戶感興趣的有用信息。它是一種多學(xué)科綜合的產(chǎn)物，主要基于人工智能、機(jī)器學(xué)習(xí)、模式識(shí)別、統(tǒng)計(jì)學(xué)理論、數(shù)據(jù)可視化技術(shù)、數(shù)據(jù)庫(kù)技術(shù)等應(yīng)用于復(fù)雜的現(xiàn)實(shí)數(shù)據(jù)[1]。

1.2數(shù)據(jù)挖掘的過(guò)程

海量數(shù)據(jù)搜集、強(qiáng)大的多處理器計(jì)算機(jī)和有效的數(shù)據(jù)挖掘算法為數(shù)據(jù)挖掘技術(shù)提供了必要的保障。數(shù)據(jù)挖掘的過(guò)程有很多種劃分，一般主要分為三個(gè)階段，即： 數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、結(jié)果表達(dá)和解釋。其中，數(shù)據(jù)準(zhǔn)備階段主要涉及到數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)變化等大量的準(zhǔn)備工作，大約花費(fèi)整個(gè)過(guò)程的60%左右的時(shí)間和精力；數(shù)據(jù)挖掘階段是非常重要的階段，需要選擇合適的方法和算法建立挖掘模型，也是研究者嗎，們的研究重點(diǎn)；最后通過(guò)表達(dá)和解釋，得出結(jié)果，根據(jù)最終用戶的興趣度度量，對(duì)提取的信息分析，識(shí)別有趣的信息，刪除不滿足要求的模型重新挖掘，如圖1所示。

由以上結(jié)果，我們可以這出這樣的結(jié)論：在影響學(xué)生綜合素質(zhì)成績(jī)的所有因素中，其中參加社會(huì)實(shí)踐的多少、體育成績(jī)、文化課成績(jī)以及是否擔(dān)任學(xué)生干部體現(xiàn)較為關(guān)鍵，幾者之間存在著相互制約和影響的關(guān)系。同時(shí)也能看出，決大部分在校擔(dān)任學(xué)生干部的同學(xué)，不僅參加了很多社會(huì)實(shí)踐活動(dòng)，得到的鍛煉的機(jī)會(huì)多，而且在體育和文化課成績(jī)方面都不落后于其他同學(xué)，體現(xiàn)了擔(dān)任學(xué)生干部可以促進(jìn)自身綜合素質(zhì)的發(fā)展，所以說(shuō)在校大學(xué)生如果能夠合理安排學(xué)業(yè)、體育鍛煉和各項(xiàng)活動(dòng)，不僅不會(huì)影響學(xué)業(yè)，甚至可以促進(jìn)全面素質(zhì)的發(fā)展，而學(xué)習(xí)成績(jī)不好的學(xué)生往往是學(xué)習(xí)、活動(dòng)等安排不合理或?qū)W(xué)習(xí)本身就缺乏端正態(tài)度的，德智體的關(guān)系。

4 結(jié)束語(yǔ)

基于粗糙集理論的數(shù)據(jù)挖掘模型也正得到大批研究者的關(guān)注，粗糙集不僅可以獨(dú)立進(jìn)行知識(shí)挖掘，因其知識(shí)的定義、屬性約簡(jiǎn)和規(guī)則提取等方面的優(yōu)點(diǎn)，它還可以和其他數(shù)據(jù)挖掘算法結(jié)合起來(lái)，形成混合數(shù)據(jù)挖掘算法，極大地發(fā)展了數(shù)據(jù)挖掘的算法和技術(shù)，豐富了數(shù)據(jù)挖掘的工具。

參考文獻(xiàn)：

[1] 姜云蘋，葛世倫，蔣家尚，等.基于粗糙集的關(guān)聯(lián)規(guī)則挖掘在教師成長(zhǎng)中的應(yīng)用[J].計(jì)算機(jī)與信息技術(shù)，2008（8）.

[2] 姚晟，李龍澍.學(xué)生成績(jī)分析專家系統(tǒng)的研究與應(yīng)用[J].安徽大學(xué)學(xué)報(bào)：自然科學(xué)版，2007（1）.

[3] Deja R.Conflict Analysis[J].Intermational Joumal of Intelligent Systems，2002：235-253.

[4] Pawlak Z.Rough Sets[J].Intermation Joumal of Computer and Information Sciences，1982：341-356.endprint

摘要：高校信息化的進(jìn)程在信息技術(shù)的高速發(fā)展和高等教育制度改革，特別是在素質(zhì)教育的大背景下不斷地推進(jìn)。將處理模糊和不精確問(wèn)題的粗糙集理論融入到數(shù)據(jù)挖掘，并運(yùn)用到學(xué)生綜合素質(zhì)測(cè)評(píng)中去，找出影響測(cè)評(píng)成績(jī)的關(guān)鍵因素和各個(gè)因素之間的關(guān)聯(lián)，為管理者提供有效地科學(xué)決策依據(jù)，最終提高高校管理質(zhì)量與效率，培養(yǎng)出更多的德智體全面發(fā)展的大學(xué)生。

關(guān)鍵詞：數(shù)據(jù)挖掘；粗糙集；屬性約簡(jiǎn)；關(guān)聯(lián)規(guī)則

中圖分類號(hào)：TP271 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）24-5588-05

隨著教育教學(xué)改革的不斷推進(jìn)，各所高校越來(lái)越重視學(xué)生的綜合素質(zhì)教育。高校信息化的進(jìn)程在信息技術(shù)的高速發(fā)展和高等教育制度改革，特別是在素質(zhì)教育的大背景下不斷地推進(jìn)。數(shù)據(jù)挖掘作為一門新興的數(shù)據(jù)分析技術(shù)，它正因其強(qiáng)大的實(shí)用功能，吸引了很多研究者的關(guān)注和探索，被許多領(lǐng)域所認(rèn)可，其潛力無(wú)限，粗糙集理論重要用來(lái)處理模糊的和不確定性的信息?；诖植诩臄?shù)據(jù)挖掘技術(shù)能在這些繁雜的學(xué)生信息和數(shù)據(jù)中挖掘出有用的信息為管理者提供重要的決策信息，提高管理和教育水平。

1 數(shù)據(jù)挖掘技術(shù)

1.1數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘（Data Mining，DM）又稱數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)（Knowledge Discover in Database，KDD），目的是從復(fù)雜的數(shù)據(jù)中，找出潛在的、用戶感興趣的有用信息。它是一種多學(xué)科綜合的產(chǎn)物，主要基于人工智能、機(jī)器學(xué)習(xí)、模式識(shí)別、統(tǒng)計(jì)學(xué)理論、數(shù)據(jù)可視化技術(shù)、數(shù)據(jù)庫(kù)技術(shù)等應(yīng)用于復(fù)雜的現(xiàn)實(shí)數(shù)據(jù)[1]。

1.2數(shù)據(jù)挖掘的過(guò)程

海量數(shù)據(jù)搜集、強(qiáng)大的多處理器計(jì)算機(jī)和有效的數(shù)據(jù)挖掘算法為數(shù)據(jù)挖掘技術(shù)提供了必要的保障。數(shù)據(jù)挖掘的過(guò)程有很多種劃分，一般主要分為三個(gè)階段，即： 數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、結(jié)果表達(dá)和解釋。其中，數(shù)據(jù)準(zhǔn)備階段主要涉及到數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)變化等大量的準(zhǔn)備工作，大約花費(fèi)整個(gè)過(guò)程的60%左右的時(shí)間和精力；數(shù)據(jù)挖掘階段是非常重要的階段，需要選擇合適的方法和算法建立挖掘模型，也是研究者嗎，們的研究重點(diǎn)；最后通過(guò)表達(dá)和解釋，得出結(jié)果，根據(jù)最終用戶的興趣度度量，對(duì)提取的信息分析，識(shí)別有趣的信息，刪除不滿足要求的模型重新挖掘，如圖1所示。

由以上結(jié)果，我們可以這出這樣的結(jié)論：在影響學(xué)生綜合素質(zhì)成績(jī)的所有因素中，其中參加社會(huì)實(shí)踐的多少、體育成績(jī)、文化課成績(jī)以及是否擔(dān)任學(xué)生干部體現(xiàn)較為關(guān)鍵，幾者之間存在著相互制約和影響的關(guān)系。同時(shí)也能看出，決大部分在校擔(dān)任學(xué)生干部的同學(xué)，不僅參加了很多社會(huì)實(shí)踐活動(dòng)，得到的鍛煉的機(jī)會(huì)多，而且在體育和文化課成績(jī)方面都不落后于其他同學(xué)，體現(xiàn)了擔(dān)任學(xué)生干部可以促進(jìn)自身綜合素質(zhì)的發(fā)展，所以說(shuō)在校大學(xué)生如果能夠合理安排學(xué)業(yè)、體育鍛煉和各項(xiàng)活動(dòng)，不僅不會(huì)影響學(xué)業(yè)，甚至可以促進(jìn)全面素質(zhì)的發(fā)展，而學(xué)習(xí)成績(jī)不好的學(xué)生往往是學(xué)習(xí)、活動(dòng)等安排不合理或?qū)W(xué)習(xí)本身就缺乏端正態(tài)度的，德智體的關(guān)系。

4 結(jié)束語(yǔ)

基于粗糙集理論的數(shù)據(jù)挖掘模型也正得到大批研究者的關(guān)注，粗糙集不僅可以獨(dú)立進(jìn)行知識(shí)挖掘，因其知識(shí)的定義、屬性約簡(jiǎn)和規(guī)則提取等方面的優(yōu)點(diǎn)，它還可以和其他數(shù)據(jù)挖掘算法結(jié)合起來(lái)，形成混合數(shù)據(jù)挖掘算法，極大地發(fā)展了數(shù)據(jù)挖掘的算法和技術(shù)，豐富了數(shù)據(jù)挖掘的工具。

參考文獻(xiàn)：

[1] 姜云蘋，葛世倫，蔣家尚，等.基于粗糙集的關(guān)聯(lián)規(guī)則挖掘在教師成長(zhǎng)中的應(yīng)用[J].計(jì)算機(jī)與信息技術(shù)，2008（8）.

[2] 姚晟，李龍澍.學(xué)生成績(jī)分析專家系統(tǒng)的研究與應(yīng)用[J].安徽大學(xué)學(xué)報(bào)：自然科學(xué)版，2007（1）.

[3] Deja R.Conflict Analysis[J].Intermational Joumal of Intelligent Systems，2002：235-253.

[4] Pawlak Z.Rough Sets[J].Intermation Joumal of Computer and Information Sciences，1982：341-356.endprint