摘要: 伴随着信息技术的迅猛发展，使得各个领域的数据量激增，但是所能获得的有效信息却是有限的。如何在海量的数据中获取有价值的、潜在的信息，是当代人所面临的共同课题。数据挖掘是一种新的认识数据、理解数据的智能手段，关联规则是数据挖掘中最重要... 展开 伴随着信息技术的迅猛发展，使得各个领域的数据量激增，但是所能获得的有效信息却是有限的。如何在海量的数据中获取有价值的、潜在的信息，是当代人所面临的共同课题。数据挖掘是一种新的认识数据、理解数据的智能手段，关联规则是数据挖掘中最重要的技术之一[1]。 本文在研究关联规则挖掘技术的基础上，开展了对数据基于关联规则的分析和挖掘研究。首先，针对关联规则的缺点和不足，采用了一种匹配度方法用以取代置信度，用匹配度方法生成的规则不仅具有较高的相关性，而且减少了冗余规则的生成[2-5]。再次，在分析经典Apriori算法的基础上，提出了一种有效的基于布尔矩阵的Apriori的改进算法[2]。该算法应用了布尔矩阵的思想，只需对数据库扫描一次，即可得到频繁项目集，大大提高了算法的效率。 最后，结合课堂教学质量评估数据的特点将关联规则算法运用到课堂教学质量评估指标体系的确定中：以评教信息为数据源，运用改进的Apriori算法实现了科学的确定教学质量评估指标体系。 收起