数事技术与或用
数据挖掘在学生成绩管理中的应用
史凤波
(吉林化工学院信息与控制工程学院，吉林吉林132022)
应用研究
摘要：在数据挖据中，应用关联规则可以挖据一个事物和其它事物之间存在的相关性。本文使用"基于布尔矩阵的Apriori算法"来分新课程之间的相互关联，进而为教务管理者提供准确的决策支持。
关键词：数据挖据；关联规则;Apriorialgorithm
中图分类号：TP311.13 1数据挖掘方法
文献标识码：A
Apriori算法是用于挖掘关联规则最常用的方法。 1.1Apriori算法主要思想
Apriori算法利用Apriori的"任意频繁项集的真子集都是频繁项集"这一性质对事务数据库进行多次扫描，(k-1)一项集用于搜索 k一项集。即第k次扫描之前，首先应用上一次的结果产生一个候选 k项集，然后计算其中的所有真子集的支持度计数，对于那些小于最小支持度要求的，将其删除。保留下来的就组成了频繁k一项集。
1.2基于布尔矩阵的Apriori算法在数据挖掘中，对于事务数据库T，令
f:T→R, R=J(D)=(t,),
1
(, Et)
(, $t,) 0
其中：i=1,2...,m;j=1,2....,n。布尔矩阵是取值只有0或1的矩阵。在矩阵中，列标示项目，行标示事务，且事务都有唯一的标识。
1.3Apriori算法的改进
基于布尔矩阵的Apriori算法的改进主要包括几点：(1)数据库
ro
0
0 0
规则 1 2 3
o 0
9 0 0 0
0 0
0 0 0
Form
0
0
0 0·
0 0 o
图1转换之后的数据表1产生的强关联规则
0 0
To
[XV[ y2Axl[XV
收稿日期：2017-10-25
zl 22 23
0 0 0
0 0
0.
o o 0 0 0
o 1.
··
置信度%E9 79.5% 76.5%
文章编号：1007-9416(2017)10-0099-02
的改进。每次扫描，都将事务数据库表示成相应的布尔矩阵，将挖掘事务数据库的间题转化为对矩阵的运算。这将减少输人，输出操作量，计算矩阵的难度也远小于对数据库所进行的操作，以适合对大量数据的处理。(2)数据库转化改进。将事务数据库表示成相应的布尔矩阵的同时，也记录每个事务所包含的项目数及第一个不一样的项目数所存在的位置，并且按升序进行排列。在求第n项候选项集的时候，可以直接从项目数大于等于n的位置进行，因为项目数小于n 的是不满足最小支持度要求的，也就没有必要对这些数据进行操作了。这就可以减少没必要的计算。(3)子集计数的改进。由Apriori性质：频繁项集的所有真子集都是频繁的，假如有候选项集C，，检测上一次产生的频繁项集L-中各个元素是否是C,的子集，如果是，计数
求1-3频累项第，请输入支持虚，0.06 1-项集共有
13个
23
2-项集共有
y1 y2
y4 1 21 22
BRS 22
x1 x1
x1 1 y1 x1
z4 y1 y2 y3
3-项集共有
2 22
y2 y3
1
15个 4个
图2挖掘结果
作者简介：史风波(1979一),女,吉林吉林人,本科,毕业于长券理工大学，讲师,研究方向：模式识别与智能系统研究。万方数据
640 135 103
525 151 150 130 66 341 589 76
405 T8
302 262 311 111 9 12 247 125 116 101 86
255 155
66