[发明专利]基于统计频率和关联规则的异常学生挖掘方法

摘要

本发明公开了一种基于统计频率和关联规则的异常学生挖掘方法，包括构建学生‑成绩矩阵；得到学生‑课程异常矩阵；划分出全局型异常学生；获得学生各课程成绩之间的关联关系；对所有学生的异常科目进行分组合并；划分出偏科型异常学生；对学生进行分类，从而挖掘得到最终的异常学生。本发明提出了一种新的算法，通过统计频率计算学生全部已修科目的考试成绩异常总量，设置合理阈值划分全局型异常学生，有效的降低噪声影响；通过关联规则表达课程的相关性，计算学生出现问题的科目的关联规则信息熵，从而描述学生的偏科程度，能够更加准确的划分出偏科型异常学生。

主权项

一种基于统计频率和关联规则的异常学生挖掘方法，包括如下步骤：S1.获取待分析学生的成绩数据，并构建学生‑成绩矩阵X；矩阵中的元素Xij表示学生i在课程j中的成绩；S2.根据步骤S1建立的学生‑成绩矩阵X，针对每一列数据Xj进行数据清洗后得到矩阵X'，并统计X'中每一列数据Xj'中的离群点数据并进行标记，从而得到学生‑课程异常矩阵A；S3.根据步骤S2中得到的学生‑课程异常矩阵A，统计每个学生存在的异常科目占其所修科目的比重，并与事先设定的第一阈值进行比较，从而划分出全局型异常学生；S4.对往届学生的成绩数据进行关联规则挖掘，从而获得学生各课程成绩之间的关联关系；S5.根据步骤S4得到的各课程成绩之间的关联关系，对所有学生的异常科目进行分组合并；S6.对步骤S5得到的分组合并后的学生的异常科目集合，计算其关联规则信息熵，并与事先设定的第二阈值进行比较，从而划分出偏科型异常学生；S7.根据步骤S3和步骤S6得到的全局型异常学生和偏科型异常学生，采用专家经验法对学生进行分类，从而挖掘得到最终的异常学生。