人的記憶力會(huì)隨著歲月的流逝而衰退，寫(xiě)作可以彌補(bǔ)記憶的不足，將曾經(jīng)的人生經(jīng)歷和感悟記錄下來(lái)，也便于保存一份美好的回憶。范文怎么寫(xiě)才能發(fā)揮它最大的作用呢？接下來(lái)小編就給大家介紹一下優(yōu)秀的范文該怎么寫(xiě)，我們一起來(lái)看一看吧。
數(shù)據(jù)挖掘論文題目 數(shù)據(jù)挖掘論文摘要篇一
1.1客戶關(guān)系管理
客戶關(guān)系管理的目標(biāo)是依靠高效優(yōu)質(zhì)的服務(wù)吸引客戶，同時(shí)通過(guò)對(duì)業(yè)務(wù)流程的全面優(yōu)化和管理，控制企業(yè)運(yùn)行成本?？蛻絷P(guān)系管理是一種管理理念，將企業(yè)客戶視作企業(yè)發(fā)展最重要的企業(yè)資源，采用企業(yè)服務(wù)優(yōu)化等手段來(lái)管理客戶關(guān)系?？蛻絷P(guān)系管理并不是單純的信息技術(shù)或者管理技術(shù)，而是一種企業(yè)生物戰(zhàn)略，通過(guò)對(duì)企業(yè)客戶的分段充足，強(qiáng)化客戶滿意的行為，優(yōu)化企業(yè)可盈利性，將客戶處理工作上升到企業(yè)級(jí)別，不同部門負(fù)責(zé)與客戶進(jìn)行交互，但是整個(gè)企業(yè)都需要向客戶負(fù)責(zé)，在信息技術(shù)的支持下實(shí)現(xiàn)企業(yè)和客戶連接環(huán)節(jié)的自動(dòng)化管理。
1.2客戶細(xì)分
客戶細(xì)分由美國(guó)學(xué)者溫德?tīng)柺访芩乖?0世紀(jì)50年代提出，認(rèn)為客戶細(xì)分是根據(jù)客戶屬性將客戶分成集合?，F(xiàn)代營(yíng)銷學(xué)中的客戶細(xì)分是按照客戶特征和共性將客戶群分為不同等級(jí)或者子群體，尋找相同要素，對(duì)不同類別客戶心理與需求急性研究和評(píng)估，從而指導(dǎo)進(jìn)行企業(yè)服務(wù)資源的分配，是企業(yè)獲得客戶價(jià)值的一種理論與方法。因此我們注意到，客戶細(xì)分其實(shí)是一個(gè)分類問(wèn)題，但是卻有著顯著的特點(diǎn)。
1.2.1客戶細(xì)分是動(dòng)態(tài)的企業(yè)不斷發(fā)展變化，用戶數(shù)據(jù)不斷積累，市場(chǎng)因素的變化，都會(huì)造成客戶細(xì)分的變化。所以客戶細(xì)分工作需要根據(jù)客戶情況的變化進(jìn)行動(dòng)態(tài)調(diào)整，
減少錯(cuò)誤分類，提高多次細(xì)分中至少有一次是正確分類的可能性。
1.2.2受眾多因素影響
隨著時(shí)間的推移，客戶行為和心理會(huì)發(fā)生變化，所以不同時(shí)間的數(shù)據(jù)會(huì)反映出不同的規(guī)律，客戶細(xì)分方法需要在變化過(guò)程中準(zhǔn)確掌握客戶行為的規(guī)律性。
1.2.3客戶細(xì)分有不同的分類標(biāo)準(zhǔn)
一般分類問(wèn)題強(qiáng)調(diào)準(zhǔn)確性，客戶關(guān)系管理則強(qiáng)調(diào)有用性，講求在特定限制條件下實(shí)現(xiàn)特定目標(biāo)。
1.3數(shù)據(jù)挖掘
數(shù)據(jù)挖掘就是從大型數(shù)據(jù)庫(kù)數(shù)據(jù)中提取有價(jià)值的、隱含的、事前未知的潛在有用信息。數(shù)據(jù)挖掘技術(shù)不斷發(fā)展，挖掘?qū)ο蟛辉偈菃我粩?shù)據(jù)庫(kù)，已經(jīng)逐漸發(fā)展到文件系統(tǒng)、數(shù)據(jù)集合以及數(shù)據(jù)倉(cāng)庫(kù)的挖掘分析。
2.1邏輯模型
客戶數(shù)據(jù)中有著若干離散客戶屬性和連續(xù)客戶屬性，每個(gè)客戶屬性為一個(gè)維度，客戶作為空間點(diǎn)，全部客戶都能夠形成多為空間，作為客戶的屬性空間，假設(shè)a={a1，a2,…am}是一組客戶屬性，屬性可以是連續(xù)的，也可以離散型，這些屬性就形成了客戶m維屬性空間。同時(shí)設(shè)g是一個(gè)描述客戶屬性的一個(gè)指標(biāo)，f(g)是符合該指標(biāo)的客戶集合，即為概率外延，則任一確定時(shí)刻都是n個(gè)互不相交集合。在客戶價(jià)值概念維度上，可分為“有價(jià)值客戶”“潛在價(jià)值客戶”“無(wú)價(jià)值客戶”三種類型，定義rb如下：(1)顯然rb是一個(gè)等價(jià)關(guān)系，經(jīng)rb可分類屬性空間為若干等價(jià)類，每個(gè)等價(jià)類都是一個(gè)概念類，建立客戶細(xì)分，就是客戶屬性空間和概念空間映射關(guān)系的建立過(guò)程。
2.2客戶細(xì)分?jǐn)?shù)據(jù)挖掘?qū)嵤?/p>
通過(guò)數(shù)據(jù)庫(kù)已知概念類客戶數(shù)據(jù)進(jìn)行樣本學(xué)習(xí)和數(shù)據(jù)挖掘，進(jìn)行客戶屬性空間與概念空間映射的自動(dòng)歸納。首先確定一組概念類已知客戶集合。首先確定一個(gè)映射：p：c→l，使，如果，則。，求p(c)確定所屬概念類。數(shù)據(jù)部分有客戶數(shù)據(jù)存儲(chǔ)和概念維數(shù)據(jù)構(gòu)成，客戶數(shù)據(jù)存儲(chǔ)有企業(yè)全部?jī)?nèi)在屬性、外在屬性以及行為屬性等數(shù)據(jù)，方法則主要有關(guān)聯(lián)規(guī)則分析、深井網(wǎng)絡(luò)分類、決策樹(shù)、實(shí)例學(xué)習(xí)等數(shù)據(jù)挖掘方法，通過(guò)對(duì)客戶數(shù)據(jù)存儲(chǔ)數(shù)據(jù)學(xué)習(xí)算法來(lái)建立客戶數(shù)據(jù)和概念維之間的映射關(guān)系。
2.3客戶細(xì)分?jǐn)?shù)據(jù)分析
建立客戶動(dòng)態(tài)行為描述模型，滿足客戶行為非確定性和非一致性要求，客戶中心的管理體制下，客戶細(xì)分影響企業(yè)戰(zhàn)術(shù)和戰(zhàn)略級(jí)別決策的生成，所以數(shù)據(jù)挖掘要能夠彌補(bǔ)傳統(tǒng)數(shù)據(jù)分析方法在可靠性方面的缺陷。
2.3.1客戶外在屬性
外在屬性有客戶地理分布、客戶組織歸屬情況和客戶產(chǎn)品擁有情況等?？蛻舻慕M織歸屬是客戶社會(huì)組織類型，客戶產(chǎn)品擁有情況是客戶是否擁有或者擁有哪些與其他企業(yè)或者其他企業(yè)相關(guān)產(chǎn)品。
2.3.2內(nèi)在屬性
內(nèi)在屬性有人口因素和心理因素等，人口因素是消費(fèi)者市場(chǎng)細(xì)分的重要變量。相比其他變量，人口因素更加容易測(cè)量。心理因素則主要有客戶愛(ài)好、性格、信用情況以及價(jià)值取向等因素。
2.3.3消費(fèi)行為
消費(fèi)行為屬性則重點(diǎn)關(guān)注客戶購(gòu)買前對(duì)產(chǎn)品的了解情況，是客戶細(xì)分中最客觀和重要的因素。
2.4數(shù)據(jù)挖掘算法
2.4.1聚類算法
按照客戶價(jià)值標(biāo)記聚類結(jié)果，通過(guò)分類功能，建立客戶特征模型，準(zhǔn)確描述高價(jià)值客戶的一些特有特征，使得企業(yè)在之后的市場(chǎng)活動(dòng)中能夠迅速發(fā)現(xiàn)并抓住類似的高價(jià)值客戶，全面提高客戶的整體價(jià)值水平。通常都采用中心算法進(jìn)行客戶的聚類分析，分析涉及的字段主要有客戶的基本信息以及與客戶相關(guān)業(yè)務(wù)信息，企業(yè)采用中心算法，按照企業(yè)自身的行業(yè)性質(zhì)以及商務(wù)環(huán)境，選擇不同的聚類分析策略，有主屬性聚類分析和全屬性聚類分析兩類。主屬性聚類分析是企業(yè)根據(jù)在企業(yè)標(biāo)度變量中選擇主要弧形作為聚類分析變量。通常區(qū)間標(biāo)度變量選用的度量單位會(huì)對(duì)聚類分析結(jié)果產(chǎn)生很大影響，選擇的度量單位越小，就會(huì)獲得越大的可能值域，對(duì)聚類結(jié)果的影響也就越大。
2.4.2客戶分析預(yù)測(cè)
行業(yè)競(jìng)爭(zhēng)愈加激烈，新客戶的獲得成本越來(lái)越高，在保持原有工作價(jià)值的同時(shí)，客戶的流失也受到了企業(yè)的重視。為了控制客戶流失，就需要對(duì)流失客戶的數(shù)據(jù)進(jìn)行認(rèn)真分析，找尋流失客戶的根本原因，防止客戶的持續(xù)流失。數(shù)據(jù)挖掘聚類功能同樣能夠利用在客戶流失數(shù)據(jù)分析工作中，建立基于流失客戶數(shù)據(jù)樣本庫(kù)的分類函數(shù)以及分類模式，通過(guò)模型分析客戶流失因素，能夠獲得一個(gè)最有可能流失的客戶群體，同時(shí)編制一個(gè)有針對(duì)性的挽留方案。之后對(duì)數(shù)據(jù)進(jìn)行分析并利用各種數(shù)據(jù)挖掘技術(shù)和方法在多個(gè)可供選擇的模型中找出最佳模型。初始階段，模型的擬合程度可能不理想，但是隨著模型的不斷更換和優(yōu)化，最終就有可能找出合適的模型進(jìn)行數(shù)據(jù)描述并挖掘出流失數(shù)據(jù)規(guī)律。通常模擬模型都通過(guò)數(shù)據(jù)分析專業(yè)和業(yè)務(wù)專家協(xié)作完成，采用決策樹(shù)、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)等流失分析模型，實(shí)現(xiàn)客戶行為的預(yù)測(cè)分析。
從工業(yè)營(yíng)銷中的客戶細(xì)分觀點(diǎn)出發(fā)，在數(shù)據(jù)挖掘、客戶關(guān)系管理等理論基礎(chǔ)上，采用統(tǒng)計(jì)學(xué)、運(yùn)籌學(xué)和數(shù)據(jù)挖掘技術(shù)，對(duì)客戶細(xì)分的數(shù)據(jù)挖掘方法進(jìn)行了研究，建立了基于決策樹(shù)的客戶細(xì)分模型，是一種效率很高的管理工具。
作者:區(qū)嘉良 呂淑儀 單位:中國(guó)石化廣東石油分公司
數(shù)據(jù)挖掘論文題目 數(shù)據(jù)挖掘論文摘要篇二
：數(shù)據(jù)挖掘是一種特殊的數(shù)據(jù)分析過(guò)程，其不僅在功能上具有多樣性，同時(shí)還具有著自動(dòng)化、智能化處理以及抽象化分析判斷的特點(diǎn)，對(duì)于計(jì)算機(jī)犯罪案件中的信息取證有著非常大的幫助。本文結(jié)合數(shù)據(jù)挖掘技術(shù)的概念與功能，對(duì)其在計(jì)算機(jī)犯罪取證中的應(yīng)用進(jìn)行了分析。
：數(shù)據(jù)挖掘技術(shù)；計(jì)算機(jī)；犯罪取證
隨著信息技術(shù)與互聯(lián)網(wǎng)的不斷普及，計(jì)算機(jī)犯罪案件變得越來(lái)越多，同時(shí)由于計(jì)算機(jī)犯罪的隱蔽性、復(fù)雜性特點(diǎn)，案件偵破工作也具有著相當(dāng)?shù)碾y度，而數(shù)據(jù)挖掘技術(shù)不僅能夠?qū)τ?jì)算機(jī)犯罪案件中的原始數(shù)據(jù)進(jìn)行分析并提取出有效信息，同時(shí)還能夠?qū)崿F(xiàn)與其他案件的對(duì)比，而這些對(duì)于計(jì)算機(jī)犯罪案件的偵破都是十分有利的。
1.1數(shù)據(jù)挖掘技術(shù)的概念
數(shù)據(jù)挖掘技術(shù)是針對(duì)當(dāng)前信息時(shí)代下海量的網(wǎng)絡(luò)數(shù)據(jù)信息而言的，簡(jiǎn)單來(lái)說(shuō)，就是從大量的、不完全的、有噪聲的、模糊的隨機(jī)數(shù)據(jù)中對(duì)潛在的有效知識(shí)進(jìn)行自動(dòng)提取，從而為判斷決策提供有利的信息支持。同時(shí)，從數(shù)據(jù)挖掘所能夠的得到的知識(shí)來(lái)看，主要可以分為廣義型知識(shí)、分類型知識(shí)、關(guān)聯(lián)性知識(shí)、預(yù)測(cè)性知識(shí)以及離型知識(shí)幾種。
1.2數(shù)據(jù)挖掘技術(shù)的功能
根據(jù)數(shù)據(jù)挖掘技術(shù)所能夠提取的不同類型知識(shí)，數(shù)據(jù)挖掘技術(shù)也可以在此基礎(chǔ)上進(jìn)行功能分類，如關(guān)聯(lián)分析、聚類分析、孤立點(diǎn)分析、時(shí)間序列分析以及分類預(yù)測(cè)等都是數(shù)據(jù)挖掘技術(shù)的重要功能之一，而其中又以關(guān)聯(lián)分析與分類預(yù)測(cè)最為主要。大量的數(shù)據(jù)中存在著多個(gè)項(xiàng)集，各個(gè)項(xiàng)集之間的取值往往存在著一定的規(guī)律性，而關(guān)聯(lián)分析則正是利用這一點(diǎn)，對(duì)各項(xiàng)集之間的關(guān)聯(lián)關(guān)系進(jìn)行挖掘，找到數(shù)據(jù)間隱藏的關(guān)聯(lián)網(wǎng)，主要算法有fp-growth算法、apriori算法等。在計(jì)算機(jī)犯罪取證中，可以先對(duì)犯罪案件中的特征與行為進(jìn)行深度的挖掘，從而明確其中所存在的聯(lián)系，同時(shí)，在獲得審計(jì)數(shù)據(jù)后，就可以對(duì)其中的審計(jì)信息進(jìn)行整理并中存入到數(shù)據(jù)庫(kù)中進(jìn)行再次分析，從而達(dá)到案件樹(shù)立的效果，這樣，就能夠清晰的判斷出案件中的行為是否具有犯罪特征[1]。而分類分析則是對(duì)現(xiàn)有數(shù)據(jù)進(jìn)行分類整理，以明確所獲得數(shù)據(jù)中的相關(guān)性的一種數(shù)據(jù)挖掘功能。在分類分析的過(guò)程中，已知數(shù)據(jù)會(huì)被分為不同的數(shù)據(jù)組，并按照具體的數(shù)據(jù)屬性進(jìn)行明確分類，之后再通過(guò)對(duì)分組中數(shù)據(jù)屬性的具體分析，最終就可以得到數(shù)據(jù)屬性模型。在計(jì)算機(jī)犯罪案件中，可以將按照這種數(shù)據(jù)分類、分析的方法得到案件的數(shù)據(jù)屬性模型，之后將這一數(shù)據(jù)屬性模型與其他案件的數(shù)據(jù)屬性模型進(jìn)行對(duì)比，這樣就能夠判斷嫌疑人是否在作案動(dòng)機(jī)、發(fā)生規(guī)律以及具體特征等方面與其他案件模型相符，也就是說(shuō)，一旦這一案件的數(shù)據(jù)模型屬性與其他案件的數(shù)據(jù)模型屬性大多相符，那么這些數(shù)據(jù)就可以被確定為犯罪證據(jù)。此外，在不同案件間的共性與差異的基礎(chǔ)上，分類分析還可以實(shí)現(xiàn)對(duì)于未知數(shù)據(jù)信息或類似數(shù)據(jù)信息的有效預(yù)測(cè)，這對(duì)于計(jì)算機(jī)犯罪案件的處理也是很有幫助的。此外，數(shù)據(jù)挖掘分類預(yù)測(cè)功能的實(shí)現(xiàn)主要依賴決策樹(shù)、支持向量機(jī)、vsm、logisitic回歸、樸素貝葉斯等幾種，這些算法各有優(yōu)劣，在實(shí)際應(yīng)用中需要根據(jù)案件的實(shí)際情況進(jìn)行選擇，例如支持向量機(jī)具有很高的分類正確率，因此適合用于特征為線性不可分的案件，而決策樹(shù)更容易理解與解釋。
對(duì)于數(shù)據(jù)挖掘技術(shù)，目前的計(jì)算機(jī)犯罪取證工作并未形成一個(gè)明確而統(tǒng)一的應(yīng)用步驟，因此，我們可以根據(jù)數(shù)據(jù)挖掘技術(shù)的特征與具體功能，對(duì)數(shù)據(jù)挖掘技術(shù)在計(jì)算機(jī)犯罪取證中的應(yīng)用提供一個(gè)較為可行的具體思路[2]。首先，當(dāng)案件發(fā)生后，一般能夠獲取到海量的原始數(shù)據(jù)，面對(duì)這些數(shù)據(jù)，可以利用fp-growth算法、apriori算法等算法進(jìn)行關(guān)聯(lián)分析，找到案件相關(guān)的潛在有用信息，如犯罪嫌疑人的犯罪動(dòng)機(jī)、案發(fā)時(shí)間、作案嫌疑人的基本信息等等。在獲取這些基本信息后，雖然能夠?qū)Π讣幕咎卣饔幸欢ǖ牧私?，但犯罪嫌疑人卻難以通過(guò)這些簡(jiǎn)單的信息進(jìn)行確定，因此還需利用決策樹(shù)、支持向量機(jī)等算法進(jìn)行分類預(yù)測(cè)分析，通過(guò)對(duì)原始信息的準(zhǔn)確分類，可以得到案件的犯罪行為模式（數(shù)據(jù)屬性模型），而通過(guò)與其他案件犯罪行為模式的對(duì)比，就能夠?qū)Ψ缸锵右扇说木唧w特征進(jìn)行進(jìn)一步的預(yù)測(cè)，如經(jīng)?；顒?dòng)的場(chǎng)所、行為習(xí)慣、分布區(qū)域等，從而縮小犯罪嫌疑人的鎖定范圍，為案件偵破工作帶來(lái)巨大幫助。此外，在計(jì)算機(jī)犯罪案件處理完畢后，所建立的嫌疑人犯罪行為模式以及通過(guò)關(guān)聯(lián)分析、分類預(yù)測(cè)分析得到的案件信息仍具有著很高的利用價(jià)值，因此不僅需要將這些信息存入到專門的數(shù)據(jù)庫(kù)中，同時(shí)還要根據(jù)案件的結(jié)果對(duì)數(shù)據(jù)進(jìn)行再次分析與修正，并做好犯罪行為模式的分類與標(biāo)記工作，為之后的案件偵破工作提供更加豐富、詳細(xì)的數(shù)據(jù)參考。
總而言之，數(shù)據(jù)挖掘技術(shù)自計(jì)算機(jī)犯罪取證中的應(yīng)用是借助以各種算法為基礎(chǔ)的關(guān)聯(lián)、分類預(yù)測(cè)功能來(lái)實(shí)現(xiàn)的，而隨著技術(shù)的不斷提升以及數(shù)據(jù)庫(kù)中的犯罪行為模式會(huì)不斷得到完善，在未來(lái)數(shù)據(jù)挖掘技術(shù)所能夠起到的作用也必將越來(lái)越大。
[1]李艷花。數(shù)據(jù)挖掘在計(jì)算機(jī)動(dòng)態(tài)取證技術(shù)中的應(yīng)用[j]。信息與電腦（理論版），20xx（02）：174-176.
作者:周永杰 單位:河南警察學(xué)院信息安全系
數(shù)據(jù)挖掘論文題目 數(shù)據(jù)挖掘論文摘要篇三
摘要：主要通過(guò)對(duì)數(shù)據(jù)挖掘技術(shù)的探討，對(duì)職教多年累積的教學(xué)數(shù)據(jù)運(yùn)用分類、決策樹(shù)、關(guān)聯(lián)規(guī)則等技術(shù)進(jìn)行分析，從分析的結(jié)果中發(fā)現(xiàn)有價(jià)值的數(shù)據(jù)模式，科學(xué)合理地實(shí)現(xiàn)教學(xué)評(píng)估，讓教學(xué)管理者能夠從中發(fā)現(xiàn)教學(xué)活動(dòng)中存在的主要問(wèn)題以便及時(shí)改進(jìn)，進(jìn)而輔助管理者決策做好教學(xué)管理。
關(guān)鍵詞：教學(xué)評(píng)估；數(shù)據(jù)挖掘；教學(xué)評(píng)估體系；層次分析法
1概述
近年來(lái)國(guó)家對(duì)中等職業(yè)教育的發(fā)展高度重視，在政策扶持與職教工作者的努力下，職業(yè)教育獲得了蓬勃的發(fā)展。如何提高教學(xué)質(zhì)量、培養(yǎng)合格的高技術(shù)人才成為職教工作者研究的課題。各種調(diào)查研究結(jié)果表明：加強(qiáng)師資隊(duì)伍的建設(shè)，強(qiáng)化教師教學(xué)評(píng)估對(duì)教學(xué)質(zhì)量的提高尤為重要。
所謂教學(xué)評(píng)估，就是運(yùn)用系統(tǒng)科學(xué)的方法對(duì)教學(xué)活動(dòng)或教育行為的價(jià)值、效果作出科學(xué)的判斷過(guò)程。教學(xué)評(píng)估方式要靈活多樣，要多途徑、多方位、多形式的發(fā)揮評(píng)估的導(dǎo)學(xué)作用，以鼓勵(lì)評(píng)估為主，充分發(fā)揮評(píng)估的激勵(lì)功能，促進(jìn)教學(xué)的健康發(fā)展。
在中等職業(yè)學(xué)校多年的教育教學(xué)工作中積累了大量的教務(wù)管理數(shù)據(jù)、教師檔案數(shù)據(jù)等，怎樣從龐雜大量的數(shù)據(jù)中挖掘出有效提高教學(xué)質(zhì)量的關(guān)鍵因素是個(gè)難題。數(shù)據(jù)挖掘技術(shù)卻可以從人工智能的角度很好地解決這一課題。通過(guò)數(shù)據(jù)挖掘技術(shù)，得到隱藏在教學(xué)數(shù)據(jù)背后的有用信息，在一定程度上為教學(xué)部門提供決策支持信息促使更好地開(kāi)展教學(xué)工作，提高教學(xué)質(zhì)量和教學(xué)管理水平，使之能在功能上更加清晰地認(rèn)識(shí)教師教與學(xué)生學(xué)的關(guān)系及促進(jìn)教育教學(xué)改革。
2數(shù)據(jù)挖掘技術(shù)
2.1數(shù)據(jù)挖掘的含義
數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。數(shù)據(jù)挖掘應(yīng)該更正確地命名為“從數(shù)據(jù)中挖掘知識(shí)”。即數(shù)據(jù)挖掘是對(duì)巨大的數(shù)據(jù)集進(jìn)行尋找和分析的計(jì)算機(jī)輔助處理過(guò)程，在這一過(guò)程中顯現(xiàn)先前未曾發(fā)現(xiàn)的模式，然后從這些數(shù)據(jù)中發(fā)掘某些內(nèi)涵信息，包括描述過(guò)去和預(yù)測(cè)未來(lái)趨勢(shì)的信息。人工智能領(lǐng)域習(xí)慣稱知識(shí)發(fā)現(xiàn)，而數(shù)據(jù)庫(kù)領(lǐng)域習(xí)慣將其稱為數(shù)據(jù)挖掘。
2.2數(shù)據(jù)挖掘的基本過(guò)程
數(shù)據(jù)挖掘過(guò)程包括對(duì)問(wèn)題的理解和提出、數(shù)據(jù)收集、數(shù)據(jù)處理、數(shù)據(jù)變換、數(shù)據(jù)挖掘、模式評(píng)估、知識(shí)表示等過(guò)程，以上的過(guò)程不是一次完成的，其中某些步驟或者全過(guò)程可能要反復(fù)進(jìn)行。對(duì)問(wèn)題的理解和提出在開(kāi)始數(shù)據(jù)挖掘之前，最基礎(chǔ)的工作就是理解數(shù)據(jù)和實(shí)際的業(yè)務(wù)問(wèn)題，在這個(gè)基礎(chǔ)之上提出問(wèn)題，對(duì)目標(biāo)作出明確的定義。
2.3數(shù)據(jù)挖掘常用的算法
2.3.1分類分析方法：是通過(guò)分析訓(xùn)練集中的數(shù)據(jù)，為每個(gè)類別做出準(zhǔn)確的描述或建立分析模型或挖掘出分類規(guī)則，以便以后利用這個(gè)分類規(guī)則對(duì)其它數(shù)據(jù)庫(kù)中的記錄進(jìn)行分類的方法。2.3.2決策樹(shù)算法：是一種常用于分類、預(yù)測(cè)模型的算法，它通過(guò)將大量數(shù)據(jù)有目的的分類，從而找到一些有價(jià)值的、潛在的信息。它的主要優(yōu)點(diǎn)是描述簡(jiǎn)單，分類速度快，特別適合大規(guī)模的數(shù)據(jù)處理。2.3.3聚類算法：聚類分析處理的數(shù)據(jù)對(duì)象的類是未知的。聚類分析就是將對(duì)象集合分組為由類似的對(duì)象組成的多個(gè)簇的過(guò)程。在同一個(gè)簇內(nèi)的對(duì)象之間具有較高的相似度，而不同簇內(nèi)的對(duì)象差別較大。2.3.4關(guān)聯(lián)規(guī)則算法：側(cè)重于確定數(shù)據(jù)中不同領(lǐng)域之間的關(guān)系，即尋找給定數(shù)據(jù)集中的有趣聯(lián)系。提取描述數(shù)據(jù)庫(kù)中數(shù)據(jù)項(xiàng)之間所存在的潛在關(guān)系的規(guī)則，找出滿足給定支持度和置信度閾值的多個(gè)域之間的依賴關(guān)系。
在以上各種算法的研究中，比較有影響的是關(guān)聯(lián)規(guī)則算法。
3教學(xué)評(píng)估體系
評(píng)價(jià)指標(biāo)體系是教學(xué)評(píng)估的基礎(chǔ)和依據(jù)，對(duì)評(píng)估起著導(dǎo)向作用，因此制定一個(gè)科學(xué)全面的評(píng)價(jià)指標(biāo)體系就成為改革、完善評(píng)價(jià)的首要目標(biāo)。評(píng)價(jià)指標(biāo)應(yīng)以指導(dǎo)教學(xué)實(shí)踐為目的，通過(guò)評(píng)價(jià)使教師明確教學(xué)過(guò)程中應(yīng)該肯定的和需要改進(jìn)的地方；以及給出設(shè)計(jì)評(píng)價(jià)指標(biāo)的導(dǎo)向問(wèn)題。
3.1教學(xué)評(píng)估體系的構(gòu)建方法
層次分析法（簡(jiǎn)稱ahp法）是美國(guó)運(yùn)籌學(xué)家t·l·saaty教授在20世紀(jì)70年代初期提出的一種簡(jiǎn)便、靈活而又實(shí)用的多準(zhǔn)則決策的系統(tǒng)分析方法，其原理是把一個(gè)復(fù)雜問(wèn)題分解、轉(zhuǎn)化為定量分析的方法。它需要建立關(guān)于系統(tǒng)屬性的各因素多級(jí)遞階結(jié)構(gòu)，然后對(duì)每一層次上的因素逐一進(jìn)行比較，得到判斷矩陣，通過(guò)計(jì)算判斷矩陣的特征值和特征向量，得到其關(guān)于上一層因素的相對(duì)權(quán)重，并可自上而下地用上一層次因素的相對(duì)權(quán)重加權(quán)求和，求出各層次因素關(guān)于系統(tǒng)整體屬性（總目標(biāo)層）的綜合重要度。
3.2構(gòu)建教學(xué)評(píng)估指標(biāo)體系的作用
3.2.1構(gòu)建的教學(xué)評(píng)估指標(biāo)，作為挖掘庫(kù)選擇教學(xué)信息屬性的依據(jù)。
3.2.2通過(guò)ahp方法，能篩選出用來(lái)評(píng)價(jià)教學(xué)質(zhì)量的相關(guān)重要屬性，從而入選為挖掘庫(kù)字段，這樣就減去了挖掘庫(kù)中對(duì)于挖掘目標(biāo)來(lái)說(shuō)影響較小的屬性，進(jìn)而大大減少了挖掘的工作量，提高挖掘效率。3.2.3通過(guò)構(gòu)建教學(xué)評(píng)估指標(biāo)，減少了挖掘?qū)ο蟮淖侄危瑥亩苊庖蛲诰蜃侄芜^(guò)多，導(dǎo)致建立的決策樹(shù)過(guò)大，出現(xiàn)過(guò)度擬合挖掘?qū)ο?，進(jìn)而造成挖掘規(guī)則不具有很好的評(píng)價(jià)效果的現(xiàn)象。3.2.4提高教學(xué)質(zhì)量評(píng)估實(shí)施工作的效率。
4數(shù)據(jù)挖掘在教學(xué)評(píng)估中的應(yīng)用
4.1學(xué)習(xí)效果評(píng)價(jià)學(xué)習(xí)評(píng)價(jià)是教育工作者的重要職責(zé)之一。評(píng)價(jià)學(xué)生的學(xué)習(xí)情況，既對(duì)學(xué)生起到信息反饋和激發(fā)學(xué)習(xí)動(dòng)機(jī)的作用，又是檢查課程計(jì)劃、教學(xué)程序以至教學(xué)目的的手段，也是考查學(xué)生個(gè)別差異、便于因材施教的途徑。評(píng)價(jià)要遵循“評(píng)價(jià)內(nèi)容要全面、評(píng)價(jià)方式要多元化、評(píng)價(jià)次數(shù)要多次化，注重自評(píng)與互評(píng)的有機(jī)結(jié)合”的原則。利用數(shù)據(jù)挖掘工具，對(duì)教師業(yè)務(wù)檔案數(shù)據(jù)庫(kù)、行為記錄數(shù)據(jù)庫(kù)、獎(jiǎng)勵(lì)處罰數(shù)據(jù)庫(kù)等進(jìn)行分析處理，可以即時(shí)得到教師教學(xué)的評(píng)價(jià)結(jié)果，對(duì)教學(xué)過(guò)程出現(xiàn)的問(wèn)題進(jìn)行及時(shí)指正。
另外，這種系統(tǒng)還能夠克服教師主觀評(píng)價(jià)的不公正、不客觀的弱點(diǎn)，減輕教師的工作量。
4.2課堂教學(xué)評(píng)價(jià)
課堂教學(xué)評(píng)價(jià)不僅對(duì)教學(xué)起著調(diào)節(jié)、控制、指導(dǎo)和推動(dòng)作用，而且有很強(qiáng)的導(dǎo)向性，是學(xué)校教學(xué)管理的重要組成部分，是評(píng)價(jià)教學(xué)工作成績(jī)的主要手段。實(shí)現(xiàn)對(duì)任課教師及教學(xué)組織工作效果做出評(píng)價(jià)，但是更重要的目的是總結(jié)優(yōu)秀的教學(xué)經(jīng)驗(yàn)，為教學(xué)質(zhì)量的穩(wěn)定提高制定科學(xué)的規(guī)范。學(xué)校每學(xué)期都要搞課堂教學(xué)評(píng)價(jià)調(diào)查，積累了大量的數(shù)據(jù)。利用數(shù)據(jù)挖掘技術(shù)，從教學(xué)評(píng)價(jià)數(shù)據(jù)中進(jìn)行數(shù)據(jù)挖掘，將關(guān)聯(lián)規(guī)則應(yīng)用于教師教學(xué)評(píng)估系統(tǒng)中，探討教學(xué)效果的好壞與老師的年齡、職稱、學(xué)歷之間的聯(lián)系；確定教師的教學(xué)內(nèi)容的范圍和深度是否合適，選擇的教學(xué)媒體是否適合所選的教學(xué)內(nèi)容和教學(xué)對(duì)象；講解的時(shí)間是否恰到好處；教學(xué)策略是否得當(dāng)?shù)?。從而可以及時(shí)地將挖掘出的規(guī)則信息反饋給教師。管理部門據(jù)此能合理配置班級(jí)的上課教師，使學(xué)生能夠較好地保持良好的學(xué)習(xí)態(tài)度，從而為教學(xué)部門提供了決策支持信息，促使教學(xué)工作更好地開(kāi)展。
結(jié)束語(yǔ)
數(shù)據(jù)挖掘作為一種工具，其技術(shù)日趨成熟，在許多領(lǐng)域取得了廣泛的應(yīng)用。在教育領(lǐng)域里，隨著數(shù)據(jù)的不斷累積，把數(shù)據(jù)挖掘技術(shù)應(yīng)用到教學(xué)評(píng)價(jià)系統(tǒng)中，讓領(lǐng)導(dǎo)者能夠從中發(fā)現(xiàn)教師教學(xué)活動(dòng)中的主要問(wèn)題，以便及時(shí)改進(jìn)，進(jìn)而輔助領(lǐng)導(dǎo)決策做好學(xué)校管理，提高學(xué)校管理能力和水平，同時(shí)通過(guò)建立有效的教學(xué)激勵(lì)機(jī)制來(lái)達(dá)到提高教學(xué)質(zhì)量的目的。這一研究對(duì)發(fā)展中的職業(yè)教育教學(xué)管理提出了很好的建議，為教學(xué)管理工作的計(jì)算機(jī)輔助決策增添了新的內(nèi)容。將數(shù)據(jù)挖掘技術(shù)應(yīng)用于中職教學(xué)評(píng)估，設(shè)計(jì)開(kāi)發(fā)一套行之有效的課堂教學(xué)評(píng)價(jià)系統(tǒng)，是下一步要做的工作，必將有力推動(dòng)職業(yè)教育的快速發(fā)展。
【本文地址：http://www.mlvmservice.com/zuowen/1143602.html】
