２０１０年第１期 福建电脑 １４７ Ａｐｒｉｏｒｉ算法研究及其在学生成绩分析中的应用 朱艳丽，高国红 （河南科技学院信息工程学院河南新乡４５３００３） 【摘要】：本文在研究关联规则挖掘技术的基础上，以我校计算机专业专业课程成绩为关系数据库，将关联规则中的 Ａｐｒｉｏｒｉ算法运用到学生成绩分析中，挖掘课程问的相关性，为学生选课和学校合理的安排教学计划提供指导。 【关键词】：关联规则，Ａｐｆｉｏｆｉ算法，成绩数据库，课程相关性 １、引入 课程之间是有一定前后顺序关系的．学习某一门课程可能 会对另外一门课程产生影响。如能利用关联规则技术对教学系 统成绩数据库中学生各门学科的考试成绩进行挖掘．就能从这 些海量数据中挖掘出隐藏在数据背后的有用规则或关系．帮助 分析课程之间的相关性，以指导学生选课和学校合理地安排教 学计划 ２、Ａｐｆｉｏｆｉ算法的描述 Ｒ．Ａｇｒａｗａｌ等在１９９４年提出了关联规则挖掘Ａｐｆｉｏｒｉ算法 是发现事务数据库中频繁项集的最有影响的数据挖掘算法之 一。该算法利用了一个层次顺序搜索的循环方法来完成频繁项 集的挖掘工作。这一循环方法就是利用ｋ一项集来产生ｒｋ＋１１一项 集。具体做法为：首先找出频繁１一项集，记为Ｌ１：然后利用Ｌ１来 挖掘Ｌ２．即频繁２一项集：不断如此循环下去直到无法发现更多 的频繁ｋ一项集为止 每挖掘一层Ｌｋ就需要扫描整个数据库一 遍。 ３、Ａｐｒｉｏｒｉ算法在学生成绩分析中的应用 本文运用Ａｐｆｉｏｆｉ算法分析课程相关性．数据库平台选用 ＡＣＣＥＳＳ．开发工具为Ｖｉｓｕａｌ Ｂａｓｉｃ ６．０。 ３．１数据预处理 本文主要采用数据集成和数据选择、离散化等方法进行数 据预处理。首先，在教学系统成绩数据库中随机抽取本校计算机 专业同一届学生五门专业课程成绩，存储到Ａｃｃｅｓｓ库中。其次， 删除Ａｃｃｅｓｓ库中成绩不完整的记录．将成绩分为三个段：１００～ ８０、７９ ６０、５９～Ｏ，每段用离散的字母表示，各门科目用数字表示。 ３．２关联规则挖掘 使用Ａｐｒｉｏｒｉ算法对数据预处理后数据进行关联分析．具体 步骤如下： （１）输入成绩数据库Ｄ，最小支持度ｍｉｎｓｕｐ，最小置信度 ｍｉｎｃｏｎｆ； （２１扫描数据库，求出１一候选集，即Ｃ。； （３）从候选集Ｃ 中选择支持度大于最小支持度的项集，即 Ｌｋ； （４）将Ｌｋ进行１一扩展成Ｋ＋Ｉ为项集，即Ｃ“ ； （５）扫描数据库，提取出ＣＫ＋。中大于最小支持度的项集，即 ｋ （６） 不为空时，将Ｌｋ 作为下一次关联的候选集，即Ｃ ， 转步骤３： ｆ７１计算最大强项集Ｌ中的各个关联关系的置信度，提取出 置信度大于最置信持度，兴趣度大于１的规则．即有效关联规 则。 经过多次试验确定最小支持度ｍｉｎｓｕｐ＝０．３．最小置信度 ｍｉｎｃｏｎｆ＝Ｏ．７．关联挖掘过程和结果图１所示。 ４、结果解释 本文只对ｍｉｎｓｕｐ＝０．３．ｍｉｎｃｏｎｆ＝Ｏ．７挖掘出的关联规则作出 解释。从图１中挖掘出的关联规则，可以看出计算机组成与结构 学得好的同学，微机接口技术、单片机也会取得好的成绩，也就 是计算机组成与结构是其他两门课的前导课程。同样ＳＱＬ成绩 好的同学．数据库系统概论、微机接１３技术也能取得好成绩。即 计算机组成与结构、ＳＱＬ应该先于其他三门课学习。这样的结论 与本校实际教学计划是一致的。同理我们还可以用这种关联分 析方法挖掘出更多科目问的联系．从而合理的安排学校教学计 划 图１ ｍｉｎｓｕｐ＝０．３．ｍｉｎｃｏｎｆ＝Ｏ．７关联挖掘过程和结果 ４、结论 本文重点分析了关联规则分析中经典Ａｐｆｉｏｆｉ算法．并运用 Ａｐｆｉｏｄ算法对学生成绩进行关联分析．得出课程相关性。 参考文献： ［１１－￣晚云，胡学刚．关联规则挖掘在学生成绩管理中的应用Ⅱ】．安庆师范 学院学报，２００６，１２（４）． 【２】潘雷．优化关联规则算法的方法研究ｏ】．南京晓庄学院学报，２００５，２１（５）． 【３】刘独玉，扬晋浩，钟守铭．关联规则挖掘研究综述Ⅱ】．成都大学学报，２００６， ２５（１）． 【４】李雪婵．关联规则在课程相关性中研究与应用计算机与数字工程Ⅱ】． ２００６，３４（９）． 【５】来升强，朱建平．数据挖掘中关联规则算法的发展趋势Ⅱ】．统计与信息 论坛，２００５。２００）．
