高校课程相关性粗糙集分析模型及应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (27): 233-235.

高校课程相关性粗糙集分析模型及应用

贺超波1，陈启买2

1.仲恺农业工程学院计算机科学与工程学院，广州 510225
2.华南师范大学教务处，广州 510631

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-09-21 发布日期:2011-09-21

Rough set analysis model for correlation between courses and its application

HE Chaobo1，CHEN Qimai2

1.Department of Computer Science and Engineering，Zhongkai University of Agriculture and Engineering，Guangzhou 510225，China
2.Academic Affairs Office，South China Normal University，Guangzhou 510631，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-09-21 Published:2011-09-21

摘要/Abstract

摘要： 将目前在数据挖掘领域应用广泛的粗糙集理论引入高校课程相关性分析中，提出了基于粗糙集的高校课程相关性分析模型。该模型首先运用粗糙集的相关性质对参与分析的决策数据进行属性约简，从而获得了较小决策数据集，然后应用基于分辨矩阵的关联规则提取算法提取关联规则，最后对规则进行评估与解释。通过对某高校某专业学生修读课程考试成绩数据进行实际应用分析，发现了课程成绩数据中隐藏的课程相关性规则，分析结果表明该模型在学分制体系下指导学生选课以及制定专业修读计划具有一定的辅助作用。

关键词: 粗糙集, 分辨矩阵, 关联规则, 课程相关性, 学分制

Abstract: The rough set which is used in the field of data mining extensively is introduced in the analysis of courses correlation in the college and the analysis model for correlation between courses based on rough set is put forward.Firstly，this model makes an attribute reduction for the original data set to get the smaller decision data set.Secondly，the correlative rules extracting approach based on discernable matrix is applied to extract association rules from decision data set.At last the association rules are evaluated and explained.By means of practical application analysis to the data about the courses and exams of students in some university，some association rules between courses are found.The analysis result shows that the model has a certain auxiliary function to guide students to select courses and make courses study plan reasonably under the credit system.

Key words: rough set, discernable matrix, association rule, course correlation, the credit system

贺超波1，陈启买2. 高校课程相关性粗糙集分析模型及应用[J]. 计算机工程与应用, 2011, 47(27): 233-235.

HE Chaobo1，CHEN Qimai2. Rough set analysis model for correlation between courses and its application[J]. Computer Engineering and Applications, 2011, 47(27): 233-235.

[1]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[2]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[3]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[4]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[5]	张振海，张湘婷. 上下文感知的高铁信息服务推荐方法研究[J]. 计算机工程与应用, 2021, 57(12): 231-236.
[6]	杨葛英，沈夏炯，史先进，张磊. 以概念格为背景的关联规则可视化[J]. 计算机工程与应用, 2021, 57(1): 84-91.
[7]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[8]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[9]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[10]	纪文璐，王海龙，苏贵斌，柳林. 基于关联规则算法的推荐方法研究综述[J]. 计算机工程与应用, 2020, 56(22): 33-41.
[11]	顾军华，苏鸣，张亚娟，张丹红. 基于位编码链表的快速频繁模式挖掘算法研究[J]. 计算机工程与应用, 2020, 56(19): 86-93.
[12]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[13]	谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.
[14]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[15]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.