摘要: 随着计算机网络技术的发展和普及，数据采集、管理、查询等技术快速发展，人们身处在海啸般汹涌的数据“海洋”之中，他们迫切需要一种其他智能技术，以便从数据“海洋”里“勘探”出更有价值的“油矿”，数据挖掘技术便顺势而生，目前已成功的应用于商业、医... 展开 随着计算机网络技术的发展和普及，数据采集、管理、查询等技术快速发展，人们身处在海啸般汹涌的数据“海洋”之中，他们迫切需要一种其他智能技术，以便从数据“海洋”里“勘探”出更有价值的“油矿”，数据挖掘技术便顺势而生，目前已成功的应用于商业、医疗、金融等诸多领域。数据挖掘的主要技术有分类分析，聚类分析，关联规则分析等，其中关联规则分析技术是数据挖掘中不可或缺的重要分支，它能够从数据仓库中提取人们想知道的有价值的联系或规律。 高校对教师的教学进行评价，对鼓励教师的教学积极性、提高教师的教学水平、改进高校的管理办法、提升高校的综合实力都有积极的推进作用。因此，将数据挖掘技术同高校的教学评价工作结合起来，充分的利用、分析教学评价数据，从中获取能够帮助高校管理者更好的进行学校管理，提高学校的教学质量的有用信息，是高等院校发展的必然要求。 本文对教学评价做了概要介绍，分析了目前高校教学评价普遍出现的问题，说明把关联规则技术与教学评价相结合的现实意义；本文还阐述了关联规则分析的相关概念，对 Apriori算法进行详细的介绍，并针对 Apriori算法 I/O开销大、生成候选集也较大，且不适用多值属性数据库的主要问题，实现了基于矩阵压缩的AMC改进算法。AMC算法从多角度对 Apriori算法进行了改进，不仅压缩了数据库的大小、减少了数据库的扫描次数、减少不必要候选集的生成，同时还省略了剪枝操作、提前结束算法，从而使算法效率在空间和时间上都有较大的提高。 最后，本文利用 AMC算法，对泉州地区某高校的教学评价数据挖掘出有用的规则，并对结果进行分析，提出提高教学质量的方案，为教学管理者提供决策和帮助。 收起