高職生心理數(shù)據(jù)挖掘系統(tǒng)的應(yīng)用與研究.doc
約83頁DOC格式手機(jī)打開展開
高職生心理數(shù)據(jù)挖掘系統(tǒng)的應(yīng)用與研究,碩士論文 83頁共計39574字摘 要21 世紀(jì)，我國的教育正面臨著從傳統(tǒng)的應(yīng)試教育向素質(zhì)教育、人格教育的轉(zhuǎn)變，而隨著生活和物質(zhì)水平的提高，心理健康的問題也逐漸引起了社會各界的關(guān)注，深入研究學(xué)生的心理健康狀況的及探索學(xué)生的心理干預(yù)模式成為了高校及其他教育部門研究工作的重點。隨著數(shù)據(jù)挖掘...
內(nèi)容介紹
此文檔由會員 bfxqt 發(fā)布
碩士論文 高職生心理數(shù)據(jù)挖掘系統(tǒng)的應(yīng)用與研究
83頁共計39574字
摘 要
21 世紀(jì)，我國的教育正面臨著從傳統(tǒng)的應(yīng)試教育向素質(zhì)教育、人格教育的轉(zhuǎn)變，而隨著生活和物質(zhì)水平的提高，心理健康的問題也逐漸引起了社會各界的關(guān)注，深入研究學(xué)生的心理健康狀況的及探索學(xué)生的心理干預(yù)模式成為了高校及其他教育部門研究工作的重點。隨著數(shù)據(jù)挖掘技術(shù)快速成熟發(fā)展及應(yīng)用領(lǐng)域的不斷擴(kuò)展，數(shù)據(jù)挖掘技術(shù)在解決具體問題和挖掘數(shù)據(jù)中隱含的規(guī)律方面，體現(xiàn)出了其它技術(shù)所不能比擬的優(yōu)勢。數(shù)據(jù)挖掘技術(shù)在高校的教學(xué)與管理領(lǐng)域應(yīng)用也初顯了成效，本文通過對大量的相關(guān)文獻(xiàn)資料查閱，較深入地研究和學(xué)習(xí)了數(shù)據(jù)挖掘技術(shù)，并嘗試分析研究高職生心理問題數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)應(yīng)用。
本文主要的研究工作是通過心理問題分析和數(shù)據(jù)挖掘的技術(shù)兩者相結(jié)合進(jìn)行展開，闡述了國內(nèi)外數(shù)據(jù)挖掘技術(shù)了發(fā)展的現(xiàn)狀和高職生心理存在的問題及解決高職生心理問題的迫切性，分析了在高職生心理問題的解決過程中結(jié)合數(shù)據(jù)挖掘技術(shù)的可行性。本文在對數(shù)據(jù)挖掘和數(shù)據(jù)倉庫基本原理及ID3決策樹算法和Apriori關(guān)聯(lián)規(guī)則算法進(jìn)行了詳細(xì)分析后，利用ID3決策樹算法和Apriori關(guān)聯(lián)規(guī)則算法對高職生心理問題的數(shù)據(jù)進(jìn)行預(yù)測，分析心理問題與其屬性之間存在的某種內(nèi)在的聯(lián)系，為解決高職生心理問題提供新的思路和方法，使學(xué)校心理咨詢工作更有成效。
目 錄
第一章 緒論 1
1.1論文研究的背景及意義 1
1.2 高職生心理健康研究的現(xiàn)狀 3
1.2.1高職院校學(xué)生存在的心理障礙 3
1.2.2造成高職院校學(xué)生心理障礙的原因 5
1.3數(shù)據(jù)挖掘技術(shù)在國內(nèi)外的研究現(xiàn)狀 6
1.3.1國外的研究現(xiàn)狀 6
1.3.2國內(nèi)的研究現(xiàn)狀 7
1.4論文研究的內(nèi)容 8
1.5論文的組織結(jié)構(gòu) 8
第二章 數(shù)據(jù)挖掘與知識發(fā)現(xiàn) 10
2.1數(shù)據(jù)挖掘的相關(guān)知識 10
2.1.1數(shù)據(jù)挖掘的主要任務(wù) 10
2.1.2數(shù)據(jù)挖掘的分類 12
2.1.3數(shù)據(jù)挖掘的過程 12
2.1.4數(shù)據(jù)挖掘的應(yīng)用 15
2.1.5數(shù)據(jù)挖掘的方法 16
2.3數(shù)據(jù)倉庫 18
2.3.1數(shù)據(jù)倉庫的特點 19
2.3.2數(shù)據(jù)集市 20
2.3.3數(shù)據(jù)元 20
2.3.4數(shù)據(jù)倉庫系統(tǒng)構(gòu)成 21
2.3.5數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的關(guān)系 22
2.4小結(jié) 23
第三章 高職生心理數(shù)據(jù)分析與挖掘算法選擇 24
3.1高職生心理數(shù)據(jù)分析 24
3.1.1高職生心理數(shù)據(jù)存在特點 24
3.1.2高職生心理數(shù)據(jù)測試技術(shù) 24
3.1.3高職生心理數(shù)據(jù)分析中結(jié)合數(shù)據(jù)挖掘 25
3.2數(shù)據(jù)挖掘算法—決策樹 25
3.2.1決策樹原理 26
3.2.2 ID3算法 27
3.3數(shù)據(jù)挖掘算法—關(guān)聯(lián)規(guī)則 30
3.3.1挖掘任務(wù) 30
3.3.2關(guān)聯(lián)規(guī)則描述 31
3.3.3 Apriori算法 31
3.4選擇數(shù)據(jù)挖掘算法 35
3.5小結(jié) 36
第四章 數(shù)據(jù)挖掘在高職生心理問題系統(tǒng)中的應(yīng)用 37
4.1需求分析 37
4.1.1系統(tǒng)業(yè)務(wù)流程 38
4.1.2系統(tǒng)功能分析 38
4.2高職生心理數(shù)據(jù)挖掘系統(tǒng)體系結(jié)構(gòu) 39
4.3數(shù)據(jù)準(zhǔn)備 40
4.3.1數(shù)據(jù)來源 40
4.3.2數(shù)據(jù)預(yù)處理 43
4.4系統(tǒng)實現(xiàn) 48
4.4.1開發(fā)環(huán)境 48
4.4.2高職生心理問題數(shù)據(jù)挖掘系統(tǒng)功能及使用步驟 48
4.5實驗結(jié)果分析 53
4.6小結(jié) 61
第五章 總結(jié)和展望 62
致謝 65
參考文獻(xiàn) 66
附錄1 68
作者攻碩期間取得的成果 71
表目錄
表2-1數(shù)據(jù)挖掘的分類 12
表2-2數(shù)據(jù)挖掘應(yīng)用領(lǐng)域 16
表2-3數(shù)據(jù)庫與數(shù)據(jù)倉庫的區(qū)別 20
表3-1抑郁問題數(shù)據(jù)庫 33
表4-1學(xué)生信息表 40
表4-2學(xué)生心理維度測試表 41
表4-3軀體化維度表 41
表4-4焦慮維度表 41
表4-5抑郁維度表 41
表4-6自卑維度表 41
表4-7社交退縮維度表 42
表4-8社交攻擊維度表 42
表4-9心理障礙維度表 42
表4-10性心理障礙維度表 42
表4-11偏執(zhí)維度表 42
表4-12強(qiáng)迫維度表 42
表4-13依賴維度表 42
表4-14沖動維度表 43
表4-15精神病傾向維度表 43
表4-16代碼表 46
圖目錄
圖2-1數(shù)據(jù)挖掘的過程 14
圖2-2元數(shù)據(jù)的工作流程 21
圖2-3數(shù)據(jù)倉庫結(jié)構(gòu)圖 22
圖3-1決策樹 27
圖3-2 Apriori算法圖例說明 34
圖3-3引入了興趣度的關(guān)聯(lián)規(guī)則挖掘流程圖 35
圖4-1高職生心理數(shù)據(jù)挖掘系統(tǒng)業(yè)務(wù)流程 38
圖4-2高職生心理數(shù)據(jù)挖掘系統(tǒng)模塊 39
圖4-3高職生心理數(shù)據(jù)挖掘系統(tǒng)結(jié)構(gòu) 40
圖4-4高職生心理數(shù)據(jù)分析多維數(shù)據(jù)倉庫模型 43
圖4-5高職生心理數(shù)據(jù)挖掘系統(tǒng)主界面 48
圖4-6分類挖掘數(shù)據(jù)預(yù)處理界面 48
圖4-7數(shù)據(jù)預(yù)處理后高職生的心理數(shù)據(jù).dat文件 49
圖4-8生成.tag文件 49
圖4-9生成決策樹 50
圖4-10決策樹 50
圖4-11關(guān)聯(lián)規(guī)則挖掘數(shù)據(jù)預(yù)處理界面 51
圖4-12關(guān)聯(lián)規(guī)則挖掘門檻值設(shè)置界面 51
圖4-13沖動標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的測試數(shù)據(jù) 53
圖4-14沖動標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的結(jié)果數(shù)據(jù) 54
圖4-15焦慮標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的測試數(shù)據(jù) 54
圖4-16焦慮標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的結(jié)果數(shù)據(jù) 55
圖4-17精神病傾向標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的測試數(shù)據(jù) 55
圖4-18精神病傾向標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的結(jié)果數(shù)據(jù) 56
圖4-19社交退縮標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的測試數(shù)據(jù) 56
圖4-20社交退縮標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的結(jié)果數(shù)據(jù) 57
圖4-21依賴標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的結(jié)果數(shù)據(jù) 57
圖4-22依賴標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的結(jié)果數(shù)據(jù) 58
圖4-23抑郁標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的測試數(shù)據(jù) 58
圖4-24抑郁標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的結(jié)果數(shù)據(jù) 59
圖4-25自卑標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的測試數(shù)據(jù) 59
圖4-26自卑標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的結(jié)果數(shù)據(jù) 60
關(guān)鍵詞：數(shù)據(jù)挖掘，決策樹，關(guān)聯(lián)規(guī)則，心理問題
參考文獻(xiàn)
[1]建梅等.面向21世紀(jì)高校心理健康教育模式的探索.社會科學(xué)研究，1999，3
[2]劉淑娟.當(dāng)代大學(xué)生心理問題分析及調(diào)試：[學(xué)位論文].哈爾濱：哈爾濱工程大學(xué)，2004
[3]姚斌，汪勇，王挺.大學(xué)生心理健康狀況及影響因素的比較分析.西安交通大學(xué)學(xué)報，2004
[4]張明園.精神科評定量表手冊.長沙：湖南科學(xué)技術(shù)出版社，1998
[5]JiaweiHan，et al.Discoveryofmultiple-Level assoeiationrules fromlargedatabases.Proe.ofVLDB，Zurieh，Switzerland，1995
[6] (美)01iviaParrRud著.朱揚(yáng)勇等譯.數(shù)據(jù)挖掘?qū)嵺`，北京：機(jī)械工業(yè)出版社.2003
[7]汪瀾.數(shù)據(jù)挖掘技術(shù)在教學(xué)評估中的應(yīng)用研究：[學(xué)位論文」.阜新：遼寧工程技術(shù)大學(xué)，2003
[8]高建偉.數(shù)據(jù)挖掘在師資人才一管理系統(tǒng)中的應(yīng)用：[學(xué)位論文].四川：成都理工大學(xué)，2005
[9] (美)RichardJ.Riger，Michaelw.Geatz著.翁敬農(nóng)譯.數(shù)據(jù)挖掘教程.北京：清華大學(xué)出版社，2003
[10]夏火松.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù).北京：科學(xué)出版社，2004
[11]王闖舟.打開數(shù)據(jù)倉庫之門.微電腦世界周刊，2000，3
[12]郭秀娟.數(shù)據(jù)挖掘方法綜述.吉林建筑工程學(xué)院學(xué)報，2004，21(1)
[13]唐華松等.數(shù)據(jù)挖掘中決策樹算法的探討.計算機(jī)應(yīng)用研究，2001，8
[14]李業(yè)麗，常桂然，徐茜.神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的應(yīng)用研究.計算機(jī)工程與應(yīng)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《大學(xué)生心理健康測評系統(tǒng)》課題組，《中國大學(xué)生心理健康測評系統(tǒng)》量表手冊.北京：教育部《大學(xué)生心理健康測評系統(tǒng)》課題組，2005
[19]劉明吉，王秀峰，黃亞樓.數(shù)據(jù)挖掘中的數(shù)據(jù)預(yù)處理.計算機(jī)科學(xué)，2000，27(4)
[20]邵峰晶，于忠清.數(shù)據(jù)挖掘一原理與算法.北京：中國水利水電出版社，2003
[21]譚旭等.利用決策樹發(fā)掘分類規(guī)則的算法研究.云南大學(xué)學(xué)報(自然科學(xué)版)， 2000，6
[22]舒紅平等.基于信息嫡的決策屬性分類挖掘算法及應(yīng)用.計算機(jī)工程與應(yīng)用，2004，1
[23]陸麗娜.挖掘關(guān)聯(lián)規(guī)則中Apriori算法的研究.小型微型計算機(jī)系統(tǒng)，2000，21(9)
[24]周皓峰，朱揚(yáng)勇，施伯樂一個基于興趣度的關(guān)聯(lián)規(guī)則采掘算法.計算機(jī)研究與發(fā)展，2002
[25]GPiatetsky-ShaPrio，and W.J.Frawley，eds.Knowledge Diseovery in Database.AAAI/MITPress，1991
[26]楊建林，鄧三鴻，蘇新寧.關(guān)聯(lián)規(guī)則興趣度度量.情報學(xué)報，2003，8
[27]JiwaeiHan，MihcelineKamber著.范明，孟小峰等譯.數(shù)據(jù)挖掘概念與技術(shù).北京：機(jī)械工業(yè)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頁共計39574字
摘 要
21 世紀(jì)，我國的教育正面臨著從傳統(tǒng)的應(yīng)試教育向素質(zhì)教育、人格教育的轉(zhuǎn)變，而隨著生活和物質(zhì)水平的提高，心理健康的問題也逐漸引起了社會各界的關(guān)注，深入研究學(xué)生的心理健康狀況的及探索學(xué)生的心理干預(yù)模式成為了高校及其他教育部門研究工作的重點。隨著數(shù)據(jù)挖掘技術(shù)快速成熟發(fā)展及應(yīng)用領(lǐng)域的不斷擴(kuò)展，數(shù)據(jù)挖掘技術(shù)在解決具體問題和挖掘數(shù)據(jù)中隱含的規(guī)律方面，體現(xiàn)出了其它技術(shù)所不能比擬的優(yōu)勢。數(shù)據(jù)挖掘技術(shù)在高校的教學(xué)與管理領(lǐng)域應(yīng)用也初顯了成效，本文通過對大量的相關(guān)文獻(xiàn)資料查閱，較深入地研究和學(xué)習(xí)了數(shù)據(jù)挖掘技術(shù)，并嘗試分析研究高職生心理問題數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)應(yīng)用。
本文主要的研究工作是通過心理問題分析和數(shù)據(jù)挖掘的技術(shù)兩者相結(jié)合進(jìn)行展開，闡述了國內(nèi)外數(shù)據(jù)挖掘技術(shù)了發(fā)展的現(xiàn)狀和高職生心理存在的問題及解決高職生心理問題的迫切性，分析了在高職生心理問題的解決過程中結(jié)合數(shù)據(jù)挖掘技術(shù)的可行性。本文在對數(shù)據(jù)挖掘和數(shù)據(jù)倉庫基本原理及ID3決策樹算法和Apriori關(guān)聯(lián)規(guī)則算法進(jìn)行了詳細(xì)分析后，利用ID3決策樹算法和Apriori關(guān)聯(lián)規(guī)則算法對高職生心理問題的數(shù)據(jù)進(jìn)行預(yù)測，分析心理問題與其屬性之間存在的某種內(nèi)在的聯(lián)系，為解決高職生心理問題提供新的思路和方法，使學(xué)校心理咨詢工作更有成效。
目 錄
第一章 緒論 1
1.1論文研究的背景及意義 1
1.2 高職生心理健康研究的現(xiàn)狀 3
1.2.1高職院校學(xué)生存在的心理障礙 3
1.2.2造成高職院校學(xué)生心理障礙的原因 5
1.3數(shù)據(jù)挖掘技術(shù)在國內(nèi)外的研究現(xiàn)狀 6
1.3.1國外的研究現(xiàn)狀 6
1.3.2國內(nèi)的研究現(xiàn)狀 7
1.4論文研究的內(nèi)容 8
1.5論文的組織結(jié)構(gòu) 8
第二章 數(shù)據(jù)挖掘與知識發(fā)現(xiàn) 10
2.1數(shù)據(jù)挖掘的相關(guān)知識 10
2.1.1數(shù)據(jù)挖掘的主要任務(wù) 10
2.1.2數(shù)據(jù)挖掘的分類 12
2.1.3數(shù)據(jù)挖掘的過程 12
2.1.4數(shù)據(jù)挖掘的應(yīng)用 15
2.1.5數(shù)據(jù)挖掘的方法 16
2.3數(shù)據(jù)倉庫 18
2.3.1數(shù)據(jù)倉庫的特點 19
2.3.2數(shù)據(jù)集市 20
2.3.3數(shù)據(jù)元 20
2.3.4數(shù)據(jù)倉庫系統(tǒng)構(gòu)成 21
2.3.5數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的關(guān)系 22
2.4小結(jié) 23
第三章 高職生心理數(shù)據(jù)分析與挖掘算法選擇 24
3.1高職生心理數(shù)據(jù)分析 24
3.1.1高職生心理數(shù)據(jù)存在特點 24
3.1.2高職生心理數(shù)據(jù)測試技術(shù) 24
3.1.3高職生心理數(shù)據(jù)分析中結(jié)合數(shù)據(jù)挖掘 25
3.2數(shù)據(jù)挖掘算法—決策樹 25
3.2.1決策樹原理 26
3.2.2 ID3算法 27
3.3數(shù)據(jù)挖掘算法—關(guān)聯(lián)規(guī)則 30
3.3.1挖掘任務(wù) 30
3.3.2關(guān)聯(lián)規(guī)則描述 31
3.3.3 Apriori算法 31
3.4選擇數(shù)據(jù)挖掘算法 35
3.5小結(jié) 36
第四章 數(shù)據(jù)挖掘在高職生心理問題系統(tǒng)中的應(yīng)用 37
4.1需求分析 37
4.1.1系統(tǒng)業(yè)務(wù)流程 38
4.1.2系統(tǒng)功能分析 38
4.2高職生心理數(shù)據(jù)挖掘系統(tǒng)體系結(jié)構(gòu) 39
4.3數(shù)據(jù)準(zhǔn)備 40
4.3.1數(shù)據(jù)來源 40
4.3.2數(shù)據(jù)預(yù)處理 43
4.4系統(tǒng)實現(xiàn) 48
4.4.1開發(fā)環(huán)境 48
4.4.2高職生心理問題數(shù)據(jù)挖掘系統(tǒng)功能及使用步驟 48
4.5實驗結(jié)果分析 53
4.6小結(jié) 61
第五章 總結(jié)和展望 62
致謝 65
參考文獻(xiàn) 66
附錄1 68
作者攻碩期間取得的成果 71
表目錄
表2-1數(shù)據(jù)挖掘的分類 12
表2-2數(shù)據(jù)挖掘應(yīng)用領(lǐng)域 16
表2-3數(shù)據(jù)庫與數(shù)據(jù)倉庫的區(qū)別 20
表3-1抑郁問題數(shù)據(jù)庫 33
表4-1學(xué)生信息表 40
表4-2學(xué)生心理維度測試表 41
表4-3軀體化維度表 41
表4-4焦慮維度表 41
表4-5抑郁維度表 41
表4-6自卑維度表 41
表4-7社交退縮維度表 42
表4-8社交攻擊維度表 42
表4-9心理障礙維度表 42
表4-10性心理障礙維度表 42
表4-11偏執(zhí)維度表 42
表4-12強(qiáng)迫維度表 42
表4-13依賴維度表 42
表4-14沖動維度表 43
表4-15精神病傾向維度表 43
表4-16代碼表 46
圖目錄
圖2-1數(shù)據(jù)挖掘的過程 14
圖2-2元數(shù)據(jù)的工作流程 21
圖2-3數(shù)據(jù)倉庫結(jié)構(gòu)圖 22
圖3-1決策樹 27
圖3-2 Apriori算法圖例說明 34
圖3-3引入了興趣度的關(guān)聯(lián)規(guī)則挖掘流程圖 35
圖4-1高職生心理數(shù)據(jù)挖掘系統(tǒng)業(yè)務(wù)流程 38
圖4-2高職生心理數(shù)據(jù)挖掘系統(tǒng)模塊 39
圖4-3高職生心理數(shù)據(jù)挖掘系統(tǒng)結(jié)構(gòu) 40
圖4-4高職生心理數(shù)據(jù)分析多維數(shù)據(jù)倉庫模型 43
圖4-5高職生心理數(shù)據(jù)挖掘系統(tǒng)主界面 48
圖4-6分類挖掘數(shù)據(jù)預(yù)處理界面 48
圖4-7數(shù)據(jù)預(yù)處理后高職生的心理數(shù)據(jù).dat文件 49
圖4-8生成.tag文件 49
圖4-9生成決策樹 50
圖4-10決策樹 50
圖4-11關(guān)聯(lián)規(guī)則挖掘數(shù)據(jù)預(yù)處理界面 51
圖4-12關(guān)聯(lián)規(guī)則挖掘門檻值設(shè)置界面 51
圖4-13沖動標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的測試數(shù)據(jù) 53
圖4-14沖動標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的結(jié)果數(shù)據(jù) 54
圖4-15焦慮標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的測試數(shù)據(jù) 54
圖4-16焦慮標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的結(jié)果數(shù)據(jù) 55
圖4-17精神病傾向標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的測試數(shù)據(jù) 55
圖4-18精神病傾向標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的結(jié)果數(shù)據(jù) 56
圖4-19社交退縮標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的測試數(shù)據(jù) 56
圖4-20社交退縮標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的結(jié)果數(shù)據(jù) 57
圖4-21依賴標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的結(jié)果數(shù)據(jù) 57
圖4-22依賴標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的結(jié)果數(shù)據(jù) 58
圖4-23抑郁標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的測試數(shù)據(jù) 58
圖4-24抑郁標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的結(jié)果數(shù)據(jù) 59
圖4-25自卑標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的測試數(shù)據(jù) 59
圖4-26自卑標(biāo)準(zhǔn)分?jǐn)?shù)據(jù)挖掘的結(jié)果數(shù)據(jù) 60
關(guān)鍵詞：數(shù)據(jù)挖掘，決策樹，關(guān)聯(lián)規(guī)則，心理問題
參考文獻(xiàn)
[1]建梅等.面向21世紀(jì)高校心理健康教育模式的探索.社會科學(xué)研究，1999，3
[2]劉淑娟.當(dāng)代大學(xué)生心理問題分析及調(diào)試：[學(xué)位論文].哈爾濱：哈爾濱工程大學(xué)，2004
[3]姚斌，汪勇，王挺.大學(xué)生心理健康狀況及影響因素的比較分析.西安交通大學(xué)學(xué)報，2004
[4]張明園.精神科評定量表手冊.長沙：湖南科學(xué)技術(shù)出版社，1998
[5]JiaweiHan，et al.Discoveryofmultiple-Level assoeiationrules fromlargedatabases.Proe.ofVLDB，Zurieh，Switzerland，1995
[6] (美)01iviaParrRud著.朱揚(yáng)勇等譯.數(shù)據(jù)挖掘?qū)嵺`，北京：機(jī)械工業(yè)出版社.2003
[7]汪瀾.數(shù)據(jù)挖掘技術(shù)在教學(xué)評估中的應(yīng)用研究：[學(xué)位論文」.阜新：遼寧工程技術(shù)大學(xué)，2003
[8]高建偉.數(shù)據(jù)挖掘在師資人才一管理系統(tǒng)中的應(yīng)用：[學(xué)位論文].四川：成都理工大學(xué)，2005
[9] (美)RichardJ.Riger，Michaelw.Geatz著.翁敬農(nóng)譯.數(shù)據(jù)挖掘教程.北京：清華大學(xué)出版社，2003
[10]夏火松.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù).北京：科學(xué)出版社，2004
[11]王闖舟.打開數(shù)據(jù)倉庫之門.微電腦世界周刊，2000，3
[12]郭秀娟.數(shù)據(jù)挖掘方法綜述.吉林建筑工程學(xué)院學(xué)報，2004，21(1)
[13]唐華松等.數(shù)據(jù)挖掘中決策樹算法的探討.計算機(jī)應(yīng)用研究，2001，8
[14]李業(yè)麗，常桂然，徐茜.神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的應(yīng)用研究.計算機(jī)工程與應(yīng)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《大學(xué)生心理健康測評系統(tǒng)》課題組，《中國大學(xué)生心理健康測評系統(tǒng)》量表手冊.北京：教育部《大學(xué)生心理健康測評系統(tǒng)》課題組，2005
[19]劉明吉，王秀峰，黃亞樓.數(shù)據(jù)挖掘中的數(shù)據(jù)預(yù)處理.計算機(jī)科學(xué)，2000，27(4)
[20]邵峰晶，于忠清.數(shù)據(jù)挖掘一原理與算法.北京：中國水利水電出版社，2003
[21]譚旭等.利用決策樹發(fā)掘分類規(guī)則的算法研究.云南大學(xué)學(xué)報(自然科學(xué)版)， 2000，6
[22]舒紅平等.基于信息嫡的決策屬性分類挖掘算法及應(yīng)用.計算機(jī)工程與應(yīng)用，2004，1
[23]陸麗娜.挖掘關(guān)聯(lián)規(guī)則中Apriori算法的研究.小型微型計算機(jī)系統(tǒng)，2000，21(9)
[24]周皓峰，朱揚(yáng)勇，施伯樂一個基于興趣度的關(guān)聯(lián)規(guī)則采掘算法.計算機(jī)研究與發(fā)展，2002
[25]GPiatetsky-ShaPrio，and W.J.Frawley，eds.Knowledge Diseovery in Database.AAAI/MITPress，1991
[26]楊建林，鄧三鴻，蘇新寧.關(guān)聯(lián)規(guī)則興趣度度量.情報學(xué)報，2003，8
[27]JiwaeiHan，MihcelineKamber著.范明，孟小峰等譯.數(shù)據(jù)挖掘概念與技術(shù).北京：機(jī)械工業(yè)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
