基于粗糙集的高职学生非智力学习因素研究

作     者：柴造坡 

作者单位：哈尔滨工程大学 

学位级别：硕士

导师姓名：李雪耀;曹隽

授予年度：2009年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：数据挖掘 粗糙集 区分矩阵 属性约简 属性值约简 

摘      要：近年来,高等院校实行扩招之后,其教育质量问题备受社会的广泛关注,特别是高职学院,学生的生源质量逐年下降,其教育质量更令人担忧。一个学校的学生智力水平相差不是很多,哪些因素成为直接影响学生成绩的关键所在?很值得我们研究。 粗糙集(Rough Sets,RS)理论是以波兰数学家***为代表的研究者提出的一种刻划不完整性和不确定性的数学工具,是一种非常有效的数据挖掘方法。粗糙集理论的核心内容是知识约简。区分矩阵和区分函数是求核和约简的有力工具。 本文利用粗糙集理论在分析和处理不确定、不一致等信息方面的独特优势,根据学生学习成绩相关因素不确定的特点,开展了基于粗糙集的高职学生非智力学习因素研究。 本文首先对基于区分矩阵的约简算法、基于属性重要性的启发式约简算法及基于区分矩阵的改进的约简算法进行了研究。提出了一种基于区分矩阵的新改进(Discernibility Matrix New Improved,DMNI)数据约简算法,简称DMNI算法。DMNI约简算法给出了一种对不相容决策表和相容决策表都适合的处理办法,对属性约简算法进行了改进,降低了算法的时间复杂性;DMNI约简算法强调了属性值约简的重要性,对属性值约简算法进行了改进,采用了属性约简的求核算法,对可能产生的重复和不相容规则进行了处理,保证了约简和规则提取的有效性,降低了算法的时间复杂性。 作者通过问卷调查等方式,采集了大量和学习成绩相关的数据,将采集的数据整理为决策表,应用本文提出的DMNI算法进行属性约简和属性值约简,挖掘了影响高职学生学习成绩的主要因素,并提取了相应的决策(分类)规则。为学院的高职教育、教学改革研究提供了科学依据。