高职生心理数据挖掘系统的应用与研究.doc
约83页DOC格式手机打开展开
高职生心理数据挖掘系统的应用与研究,硕士论文 83页共计39574字摘 要21 世纪，我国的教育正面临着从传统的应试教育向素质教育、人格教育的转变，而随着生活和物质水平的提高，心理健康的问题也逐渐引起了社会各界的关注，深入研究学生的心理健康状况的及探索学生的心理干预模式成为了高校及其他教育部门研究工作的重点。随着数据挖掘...
内容介绍
此文档由会员 bfxqt 发布
硕士论文 高职生心理数据挖掘系统的应用与研究
83页共计39574字
摘 要
21 世纪，我国的教育正面临着从传统的应试教育向素质教育、人格教育的转变，而随着生活和物质水平的提高，心理健康的问题也逐渐引起了社会各界的关注，深入研究学生的心理健康状况的及探索学生的心理干预模式成为了高校及其他教育部门研究工作的重点。随着数据挖掘技术快速成熟发展及应用领域的不断扩展，数据挖掘技术在解决具体问题和挖掘数据中隐含的规律方面，体现出了其它技术所不能比拟的优势。数据挖掘技术在高校的教学与管理领域应用也初显了成效，本文通过对大量的相关文献资料查阅，较深入地研究和学习了数据挖掘技术，并尝试分析研究高职生心理问题数据的数据挖掘技术应用。
本文主要的研究工作是通过心理问题分析和数据挖掘的技术两者相结合进行展开，阐述了国内外数据挖掘技术了发展的现状和高职生心理存在的问题及解决高职生心理问题的迫切性，分析了在高职生心理问题的解决过程中结合数据挖掘技术的可行性。本文在对数据挖掘和数据仓库基本原理及ID3决策树算法和Apriori关联规则算法进行了详细分析后，利用ID3决策树算法和Apriori关联规则算法对高职生心理问题的数据进行预测，分析心理问题与其属性之间存在的某种内在的联系，为解决高职生心理问题提供新的思路和方法，使学校心理咨询工作更有成效。
目 录
第一章 绪论 1
1.1论文研究的背景及意义 1
1.2 高职生心理健康研究的现状 3
1.2.1高职院校学生存在的心理障碍 3
1.2.2造成高职院校学生心理障碍的原因 5
1.3数据挖掘技术在国内外的研究现状 6
1.3.1国外的研究现状 6
1.3.2国内的研究现状 7
1.4论文研究的内容 8
1.5论文的组织结构 8
第二章 数据挖掘与知识发现 10
2.1数据挖掘的相关知识 10
2.1.1数据挖掘的主要任务 10
2.1.2数据挖掘的分类 12
2.1.3数据挖掘的过程 12
2.1.4数据挖掘的应用 15
2.1.5数据挖掘的方法 16
2.3数据仓库 18
2.3.1数据仓库的特点 19
2.3.2数据集市 20
2.3.3数据元 20
2.3.4数据仓库系统构成 21
2.3.5数据仓库和数据挖掘的关系 22
2.4小结 23
第三章 高职生心理数据分析与挖掘算法选择 24
3.1高职生心理数据分析 24
3.1.1高职生心理数据存在特点 24
3.1.2高职生心理数据测试技术 24
3.1.3高职生心理数据分析中结合数据挖掘 25
3.2数据挖掘算法—决策树 25
3.2.1决策树原理 26
3.2.2 ID3算法 27
3.3数据挖掘算法—关联规则 30
3.3.1挖掘任务 30
3.3.2关联规则描述 31
3.3.3 Apriori算法 31
3.4选择数据挖掘算法 35
3.5小结 36
第四章 数据挖掘在高职生心理问题系统中的应用 37
4.1需求分析 37
4.1.1系统业务流程 38
4.1.2系统功能分析 38
4.2高职生心理数据挖掘系统体系结构 39
4.3数据准备 40
4.3.1数据来源 40
4.3.2数据预处理 43
4.4系统实现 48
4.4.1开发环境 48
4.4.2高职生心理问题数据挖掘系统功能及使用步骤 48
4.5实验结果分析 53
4.6小结 61
第五章 总结和展望 62
致谢 65
参考文献 66
附录1 68
作者攻硕期间取得的成果 71
表目录
表2-1数据挖掘的分类 12
表2-2数据挖掘应用领域 16
表2-3数据库与数据仓库的区别 20
表3-1抑郁问题数据库 33
表4-1学生信息表 40
表4-2学生心理维度测试表 41
表4-3躯体化维度表 41
表4-4焦虑维度表 41
表4-5抑郁维度表 41
表4-6自卑维度表 41
表4-7社交退缩维度表 42
表4-8社交攻击维度表 42
表4-9心理障碍维度表 42
表4-10性心理障碍维度表 42
表4-11偏执维度表 42
表4-12强迫维度表 42
表4-13依赖维度表 42
表4-14冲动维度表 43
表4-15精神病倾向维度表 43
表4-16代码表 46
图目录
图2-1数据挖掘的过程 14
图2-2元数据的工作流程 21
图2-3数据仓库结构图 22
图3-1决策树 27
图3-2 Apriori算法图例说明 34
图3-3引入了兴趣度的关联规则挖掘流程图 35
图4-1高职生心理数据挖掘系统业务流程 38
图4-2高职生心理数据挖掘系统模块 39
图4-3高职生心理数据挖掘系统结构 40
图4-4高职生心理数据分析多维数据仓库模型 43
图4-5高职生心理数据挖掘系统主界面 48
图4-6分类挖掘数据预处理界面 48
图4-7数据预处理后高职生的心理数据.dat文件 49
图4-8生成.tag文件 49
图4-9生成决策树 50
图4-10决策树 50
图4-11关联规则挖掘数据预处理界面 51
图4-12关联规则挖掘门槛值设置界面 51
图4-13冲动标准分数据挖掘的测试数据 53
图4-14冲动标准分数据挖掘的结果数据 54
图4-15焦虑标准分数据挖掘的测试数据 54
图4-16焦虑标准分数据挖掘的结果数据 55
图4-17精神病倾向标准分数据挖掘的测试数据 55
图4-18精神病倾向标准分数据挖掘的结果数据 56
图4-19社交退缩标准分数据挖掘的测试数据 56
图4-20社交退缩标准分数据挖掘的结果数据 57
图4-21依赖标准分数据挖掘的结果数据 57
图4-22依赖标准分数据挖掘的结果数据 58
图4-23抑郁标准分数据挖掘的测试数据 58
图4-24抑郁标准分数据挖掘的结果数据 59
图4-25自卑标准分数据挖掘的测试数据 59
图4-26自卑标准分数据挖掘的结果数据 60
关键词：数据挖掘，决策树，关联规则，心理问题
参考文献
[1]建梅等.面向21世纪高校心理健康教育模式的探索.社会科学研究，1999，3
[2]刘淑娟.当代大学生心理问题分析及调试：[学位论文].哈尔滨：哈尔滨工程大学，2004
[3]姚斌，汪勇，王挺.大学生心理健康状况及影响因素的比较分析.西安交通大学学报，2004
[4]张明园.精神科评定量表手册.长沙：湖南科学技术出版社，1998
[5]JiaweiHan，et al.Discoveryofmultiple-Level assoeiationrules fromlargedatabases.Proe.ofVLDB，Zurieh，Switzerland，1995
[6] (美)01iviaParrRud著.朱扬勇等译.数据挖掘实践，北京：机械工业出版社.2003
[7]汪澜.数据挖掘技术在教学评估中的应用研究：[学位论文」.阜新：辽宁工程技术大学，2003
[8]高建伟.数据挖掘在师资人才一管理系统中的应用：[学位论文].四川：成都理工大学，2005
[9] (美)RichardJ.Riger，Michaelw.Geatz著.翁敬农译.数据挖掘教程.北京：清华大学出版社，2003
[10]夏火松.数据仓库与数据挖掘技术.北京：科学出版社，2004
[11]王闯舟.打开数据仓库之门.微电脑世界周刊，2000，3
[12]郭秀娟.数据挖掘方法综述.吉林建筑工程学院学报，2004，21(1)
[13]唐华松等.数据挖掘中决策树算法的探讨.计算机应用研究，2001，8
[14]李业丽，常桂然，徐茜.神经网络在数据挖掘中的应用研究.计算机工程与应用，2003，8
[15]R Agrawal，T Imielinski，A Swamai. Mining Assoeiation Rule between Sets of Items in Large Database. Proe. ACM SIGMOD，1993，5
[16]R Agrawal，A Srikant.Fast Algorithms for Mining Assoeiation Rules in Large Database.Proe.20th int’1 Conf.Very Large Data Bases，1994，9
[17]J.5.Park，M S Chen，P S YU.An Effeetive Hash Based Alogrithm for Mining ASSoCiation Rules. proe. ACM SIGMoD，1995，5
[18]教育部《大学生心理健康测评系统》课题组，《中国大学生心理健康测评系统》量表手册.北京：教育部《大学生心理健康测评系统》课题组，2005
[19]刘明吉，王秀峰，黄亚楼.数据挖掘中的数据预处理.计算机科学，2000，27(4)
[20]邵峰晶，于忠清.数据挖掘一原理与算法.北京：中国水利水电出版社，2003
[21]谭旭等.利用决策树发掘分类规则的算法研究.云南大学学报(自然科学版)， 2000，6
[22]舒红平等.基于信息嫡的决策属性分类挖掘算法及应用.计算机工程与应用，2004，1
[23]陆丽娜.挖掘关联规则中Apriori算法的研究.小型微型计算机系统，2000，21(9)
[24]周皓峰，朱扬勇，施伯乐一个基于兴趣度的关联规则采掘算法.计算机研究与发展，2002
[25]GPiatetsky-ShaPrio，and W.J.Frawley，eds.Knowledge Diseovery in Database.AAAI/MITPress，1991
[26]杨建林，邓三鸿，苏新宁.关联规则兴趣度度量.情报学报，2003，8
[27]JiwaeiHan，MihcelineKamber著.范明，孟小峰等译.数据挖掘概念与技术.北京：机械工业出版社，2001
[28] Avi Silbersehatz，Alexander Tuzhilin. What Makes Patterns Interesting in Knowledge Diseovery System..IEEE Transaetions on Knowledge and Data Engineering,Special issue on data mining,1996,vol.5,NO.6
[29]A.A.Freitas. On Rule Interesting Measures. Knowledge-based Systems， 1999，12
[30]G Piatetsky-Shapior. Diseovery，Analysis and Presentation of Strong Ru1es. G Piatetsky-ShaPior，W. J. Frawle， Editors . Knowledge Diseovery inDatabase.AAAI/MIT，Press，1991
[31]J. A. Major，J. Mangano. Seleeting Among Rules Induced from a Hurricane Database. Proe. AAAI’93 Workshop Knowledge Diseovery in Databases，1993，7
[32]M.Kmaber，R. Shinghal. Evaluating the Interestingness of Charaeteristie Rules. Proeeedings of the Second International Conference on Knowledge Diseovery and Data Mining. AAAI，1996
83页共计39574字
摘 要
21 世纪，我国的教育正面临着从传统的应试教育向素质教育、人格教育的转变，而随着生活和物质水平的提高，心理健康的问题也逐渐引起了社会各界的关注，深入研究学生的心理健康状况的及探索学生的心理干预模式成为了高校及其他教育部门研究工作的重点。随着数据挖掘技术快速成熟发展及应用领域的不断扩展，数据挖掘技术在解决具体问题和挖掘数据中隐含的规律方面，体现出了其它技术所不能比拟的优势。数据挖掘技术在高校的教学与管理领域应用也初显了成效，本文通过对大量的相关文献资料查阅，较深入地研究和学习了数据挖掘技术，并尝试分析研究高职生心理问题数据的数据挖掘技术应用。
本文主要的研究工作是通过心理问题分析和数据挖掘的技术两者相结合进行展开，阐述了国内外数据挖掘技术了发展的现状和高职生心理存在的问题及解决高职生心理问题的迫切性，分析了在高职生心理问题的解决过程中结合数据挖掘技术的可行性。本文在对数据挖掘和数据仓库基本原理及ID3决策树算法和Apriori关联规则算法进行了详细分析后，利用ID3决策树算法和Apriori关联规则算法对高职生心理问题的数据进行预测，分析心理问题与其属性之间存在的某种内在的联系，为解决高职生心理问题提供新的思路和方法，使学校心理咨询工作更有成效。
目 录
第一章 绪论 1
1.1论文研究的背景及意义 1
1.2 高职生心理健康研究的现状 3
1.2.1高职院校学生存在的心理障碍 3
1.2.2造成高职院校学生心理障碍的原因 5
1.3数据挖掘技术在国内外的研究现状 6
1.3.1国外的研究现状 6
1.3.2国内的研究现状 7
1.4论文研究的内容 8
1.5论文的组织结构 8
第二章 数据挖掘与知识发现 10
2.1数据挖掘的相关知识 10
2.1.1数据挖掘的主要任务 10
2.1.2数据挖掘的分类 12
2.1.3数据挖掘的过程 12
2.1.4数据挖掘的应用 15
2.1.5数据挖掘的方法 16
2.3数据仓库 18
2.3.1数据仓库的特点 19
2.3.2数据集市 20
2.3.3数据元 20
2.3.4数据仓库系统构成 21
2.3.5数据仓库和数据挖掘的关系 22
2.4小结 23
第三章 高职生心理数据分析与挖掘算法选择 24
3.1高职生心理数据分析 24
3.1.1高职生心理数据存在特点 24
3.1.2高职生心理数据测试技术 24
3.1.3高职生心理数据分析中结合数据挖掘 25
3.2数据挖掘算法—决策树 25
3.2.1决策树原理 26
3.2.2 ID3算法 27
3.3数据挖掘算法—关联规则 30
3.3.1挖掘任务 30
3.3.2关联规则描述 31
3.3.3 Apriori算法 31
3.4选择数据挖掘算法 35
3.5小结 36
第四章 数据挖掘在高职生心理问题系统中的应用 37
4.1需求分析 37
4.1.1系统业务流程 38
4.1.2系统功能分析 38
4.2高职生心理数据挖掘系统体系结构 39
4.3数据准备 40
4.3.1数据来源 40
4.3.2数据预处理 43
4.4系统实现 48
4.4.1开发环境 48
4.4.2高职生心理问题数据挖掘系统功能及使用步骤 48
4.5实验结果分析 53
4.6小结 61
第五章 总结和展望 62
致谢 65
参考文献 66
附录1 68
作者攻硕期间取得的成果 71
表目录
表2-1数据挖掘的分类 12
表2-2数据挖掘应用领域 16
表2-3数据库与数据仓库的区别 20
表3-1抑郁问题数据库 33
表4-1学生信息表 40
表4-2学生心理维度测试表 41
表4-3躯体化维度表 41
表4-4焦虑维度表 41
表4-5抑郁维度表 41
表4-6自卑维度表 41
表4-7社交退缩维度表 42
表4-8社交攻击维度表 42
表4-9心理障碍维度表 42
表4-10性心理障碍维度表 42
表4-11偏执维度表 42
表4-12强迫维度表 42
表4-13依赖维度表 42
表4-14冲动维度表 43
表4-15精神病倾向维度表 43
表4-16代码表 46
图目录
图2-1数据挖掘的过程 14
图2-2元数据的工作流程 21
图2-3数据仓库结构图 22
图3-1决策树 27
图3-2 Apriori算法图例说明 34
图3-3引入了兴趣度的关联规则挖掘流程图 35
图4-1高职生心理数据挖掘系统业务流程 38
图4-2高职生心理数据挖掘系统模块 39
图4-3高职生心理数据挖掘系统结构 40
图4-4高职生心理数据分析多维数据仓库模型 43
图4-5高职生心理数据挖掘系统主界面 48
图4-6分类挖掘数据预处理界面 48
图4-7数据预处理后高职生的心理数据.dat文件 49
图4-8生成.tag文件 49
图4-9生成决策树 50
图4-10决策树 50
图4-11关联规则挖掘数据预处理界面 51
图4-12关联规则挖掘门槛值设置界面 51
图4-13冲动标准分数据挖掘的测试数据 53
图4-14冲动标准分数据挖掘的结果数据 54
图4-15焦虑标准分数据挖掘的测试数据 54
图4-16焦虑标准分数据挖掘的结果数据 55
图4-17精神病倾向标准分数据挖掘的测试数据 55
图4-18精神病倾向标准分数据挖掘的结果数据 56
图4-19社交退缩标准分数据挖掘的测试数据 56
图4-20社交退缩标准分数据挖掘的结果数据 57
图4-21依赖标准分数据挖掘的结果数据 57
图4-22依赖标准分数据挖掘的结果数据 58
图4-23抑郁标准分数据挖掘的测试数据 58
图4-24抑郁标准分数据挖掘的结果数据 59
图4-25自卑标准分数据挖掘的测试数据 59
图4-26自卑标准分数据挖掘的结果数据 60
关键词：数据挖掘，决策树，关联规则，心理问题
参考文献
[1]建梅等.面向21世纪高校心理健康教育模式的探索.社会科学研究，1999，3
[2]刘淑娟.当代大学生心理问题分析及调试：[学位论文].哈尔滨：哈尔滨工程大学，2004
[3]姚斌，汪勇，王挺.大学生心理健康状况及影响因素的比较分析.西安交通大学学报，2004
[4]张明园.精神科评定量表手册.长沙：湖南科学技术出版社，1998
[5]JiaweiHan，et al.Discoveryofmultiple-Level assoeiationrules fromlargedatabases.Proe.ofVLDB，Zurieh，Switzerland，1995
[6] (美)01iviaParrRud著.朱扬勇等译.数据挖掘实践，北京：机械工业出版社.2003
[7]汪澜.数据挖掘技术在教学评估中的应用研究：[学位论文」.阜新：辽宁工程技术大学，2003
[8]高建伟.数据挖掘在师资人才一管理系统中的应用：[学位论文].四川：成都理工大学，2005
[9] (美)RichardJ.Riger，Michaelw.Geatz著.翁敬农译.数据挖掘教程.北京：清华大学出版社，2003
[10]夏火松.数据仓库与数据挖掘技术.北京：科学出版社，2004
[11]王闯舟.打开数据仓库之门.微电脑世界周刊，2000，3
[12]郭秀娟.数据挖掘方法综述.吉林建筑工程学院学报，2004，21(1)
[13]唐华松等.数据挖掘中决策树算法的探讨.计算机应用研究，2001，8
[14]李业丽，常桂然，徐茜.神经网络在数据挖掘中的应用研究.计算机工程与应用，2003，8
[15]R Agrawal，T Imielinski，A Swamai. Mining Assoeiation Rule between Sets of Items in Large Database. Proe. ACM SIGMOD，1993，5
[16]R Agrawal，A Srikant.Fast Algorithms for Mining Assoeiation Rules in Large Database.Proe.20th int’1 Conf.Very Large Data Bases，1994，9
[17]J.5.Park，M S Chen，P S YU.An Effeetive Hash Based Alogrithm for Mining ASSoCiation Rules. proe. ACM SIGMoD，1995，5
[18]教育部《大学生心理健康测评系统》课题组，《中国大学生心理健康测评系统》量表手册.北京：教育部《大学生心理健康测评系统》课题组，2005
[19]刘明吉，王秀峰，黄亚楼.数据挖掘中的数据预处理.计算机科学，2000，27(4)
[20]邵峰晶，于忠清.数据挖掘一原理与算法.北京：中国水利水电出版社，2003
[21]谭旭等.利用决策树发掘分类规则的算法研究.云南大学学报(自然科学版)， 2000，6
[22]舒红平等.基于信息嫡的决策属性分类挖掘算法及应用.计算机工程与应用，2004，1
[23]陆丽娜.挖掘关联规则中Apriori算法的研究.小型微型计算机系统，2000，21(9)
[24]周皓峰，朱扬勇，施伯乐一个基于兴趣度的关联规则采掘算法.计算机研究与发展，2002
[25]GPiatetsky-ShaPrio，and W.J.Frawley，eds.Knowledge Diseovery in Database.AAAI/MITPress，1991
[26]杨建林，邓三鸿，苏新宁.关联规则兴趣度度量.情报学报，2003，8
[27]JiwaeiHan，MihcelineKamber著.范明，孟小峰等译.数据挖掘概念与技术.北京：机械工业出版社，2001
[28] Avi Silbersehatz，Alexander Tuzhilin. What Makes Patterns Interesting in Knowledge Diseovery System..IEEE Transaetions on Knowledge and Data Engineering,Special issue on data mining,1996,vol.5,NO.6
[29]A.A.Freitas. On Rule Interesting Measures. Knowledge-based Systems， 1999，12
[30]G Piatetsky-Shapior. Diseovery，Analysis and Presentation of Strong Ru1es. G Piatetsky-ShaPior，W. J. Frawle， Editors . Knowledge Diseovery inDatabase.AAAI/MIT，Press，1991
[31]J. A. Major，J. Mangano. Seleeting Among Rules Induced from a Hurricane Database. Proe. AAAI’93 Workshop Knowledge Diseovery in Databases，1993，7
[32]M.Kmaber，R. Shinghal. Evaluating the Interestingness of Charaeteristie Rules. Proeeedings of the Second International Conference on Knowledge Diseovery and Data Mining. AAAI，1996
