高職生心理數(shù)據(jù)挖掘系統(tǒng)的應用與研究.doc
約83頁DOC格式手機打開展開
高職生心理數(shù)據(jù)挖掘系統(tǒng)的應用與研究,碩士論文 83頁共計39574字摘 要21 世紀，我國的教育正面臨著從傳統(tǒng)的應試教育向素質教育、人格教育的轉變，而隨著生活和物質水平的提高，心理健康的問題也逐漸引起了社會各界的關注，深入研究學生的心理健康狀況的及探索學生的心理干預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)的應用與研究
83頁共計39574字
摘 要
21 世紀，我國的教育正面臨著從傳統(tǒng)的應試教育向素質教育、人格教育的轉變，而隨著生活和物質水平的提高，心理健康的問題也逐漸引起了社會各界的關注，深入研究學生的心理健康狀況的及探索學生的心理干預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)挖掘技術快速成熟發(fā)展及應用領域的不斷擴展，數(shù)據(jù)挖掘技術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)出了其它技術所不能比擬的優(yōu)勢。數(shù)據(jù)挖掘技術在高校的教學與管理領域應用也初顯了成效，本文通過對大量的相關文獻資料查閱，較深入地研究和學習了數(shù)據(jù)挖掘技術，并嘗試分析研究高職生心理問題數(shù)據(jù)的數(shù)據(jù)挖掘技術應用。
本文主要的研究工作是通過心理問題分析和數(shù)據(jù)挖掘的技術兩者相結合進行展開，闡述了國內外數(shù)據(jù)挖掘技術了發(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合數(shù)據(jù)挖掘技術的可行性。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關聯(lián)規(guī)則算法進行了詳細分析后，利用ID3決策樹算法和Apriori關聯(lián)規(guī)則算法對高職生心理問題的數(shù)據(jù)進行預測，分析心理問題與其屬性之間存在的某種內在的聯(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高職院校學生存在的心理障礙 3
1.2.2造成高職院校學生心理障礙的原因 5
1.3數(shù)據(jù)挖掘技術在國內外的研究現(xiàn)狀 6
1.3.1國外的研究現(xiàn)狀 6
1.3.2國內的研究現(xiàn)狀 7
1.4論文研究的內容 8
1.5論文的組織結構 8
第二章 數(shù)據(jù)挖掘與知識發(fā)現(xiàn) 10
2.1數(shù)據(jù)挖掘的相關知識 10
2.1.1數(shù)據(jù)挖掘的主要任務 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)構成 21
2.3.5數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的關系 22
2.4小結 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 24
3.1.3高職生心理數(shù)據(jù)分析中結合數(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—關聯(lián)規(guī)則 30
3.3.1挖掘任務 30
3.3.2關聯(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 36
第四章 數(shù)據(jù)挖掘在高職生心理問題系統(tǒng)中的應用 37
4.1需求分析 37
4.1.1系統(tǒng)業(yè)務流程 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)體系結構 39
4.3數(shù)據(jù)準備 40
4.3.1數(shù)據(jù)來源 40
4.3.2數(shù)據(jù)預處理 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實驗結果分析 53
4.6小結 61
第五章 總結和展望 62
致謝 65
參考文獻 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)挖掘應用領域 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學生信息表 40
表4-2學生心理維度測試表 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)倉庫結構圖 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)結構 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)預處理界面 48
圖4-7數(shù)據(jù)預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關聯(lián)規(guī)則挖掘數(shù)據(jù)預處理界面 51
圖4-12關聯(lián)規(guī)則挖掘門檻值設置界面 51
圖4-13沖動標準分數(shù)據(jù)挖掘的測試數(shù)據(jù) 53
圖4-14沖動標準分數(shù)據(jù)挖掘的結果數(shù)據(jù) 54
圖4-15焦慮標準分數(shù)據(jù)挖掘的測試數(shù)據(jù) 54
圖4-16焦慮標準分數(shù)據(jù)挖掘的結果數(shù)據(jù) 55
圖4-17精神病傾向標準分數(shù)據(jù)挖掘的測試數(shù)據(jù) 55
圖4-18精神病傾向標準分數(shù)據(jù)挖掘的結果數(shù)據(jù) 56
圖4-19社交退縮標準分數(shù)據(jù)挖掘的測試數(shù)據(jù) 56
圖4-20社交退縮標準分數(shù)據(jù)挖掘的結果數(shù)據(jù) 57
圖4-21依賴標準分數(shù)據(jù)挖掘的結果數(shù)據(jù) 57
圖4-22依賴標準分數(shù)據(jù)挖掘的結果數(shù)據(jù) 58
圖4-23抑郁標準分數(shù)據(jù)挖掘的測試數(shù)據(jù) 58
圖4-24抑郁標準分數(shù)據(jù)挖掘的結果數(shù)據(jù) 59
圖4-25自卑標準分數(shù)據(jù)挖掘的測試數(shù)據(jù) 59
圖4-26自卑標準分數(shù)據(jù)挖掘的結果數(shù)據(jù) 60
關鍵詞：數(shù)據(jù)挖掘，決策樹，關聯(lián)規(guī)則，心理問題
參考文獻
[1]建梅等.面向21世紀高校心理健康教育模式的探索.社會科學研究，1999，3
[2]劉淑娟.當代大學生心理問題分析及調試：[學位論文].哈爾濱：哈爾濱工程大學，2004
[3]姚斌，汪勇，王挺.大學生心理健康狀況及影響因素的比較分析.西安交通大學學報，2004
[4]張明園.精神科評定量表手冊.長沙：湖南科學技術出版社，1998
[5]JiaweiHan，et al.Discoveryofmultiple-Level assoeiationrules fromlargedatabases.Proe.ofVLDB，Zurieh，Switzerland，1995
[6] (美)01iviaParrRud著.朱揚勇等譯.數(shù)據(jù)挖掘實踐，北京：機械工業(yè)出版社.2003
[7]汪瀾.數(shù)據(jù)挖掘技術在教學評估中的應用研究：[學位論文」.阜新：遼寧工程技術大學，2003
[8]高建偉.數(shù)據(jù)挖掘在師資人才一管理系統(tǒng)中的應用：[學位論文].四川：成都理工大學，2005
[9] (美)RichardJ.Riger，Michaelw.Geatz著.翁敬農(nóng)譯.數(shù)據(jù)挖掘教程.北京：清華大學出版社，2003
[10]夏火松.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術.北京：科學出版社，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.吉林建筑工程學院學報，2004，21(1)
[13]唐華松等.數(shù)據(jù)挖掘中決策樹算法的探討.計算機應用研究，2001，8
[14]李業(yè)麗，常桂然，徐茜.神經(jīng)網(wǎng)絡在數(shù)據(jù)挖掘中的應用研究.計算機工程與應用，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《大學生心理健康測評系統(tǒng)》課題組，《中國大學生心理健康測評系統(tǒng)》量表手冊.北京：教育部《大學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)預處理.計算機科學，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.云南大學學報(自然科學版)， 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用.計算機工程與應用，2004，1
[23]陸麗娜.挖掘關聯(lián)規(guī)則中Apriori算法的研究.小型微型計算機系統(tǒng)，2000，21(9)
[24]周皓峰，朱揚勇，施伯樂一個基于興趣度的關聯(lián)規(guī)則采掘算法.計算機研究與發(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.關聯(lián)規(guī)則興趣度度量.情報學報，2003，8
[27]JiwaeiHan，MihcelineKamber著.范明，孟小峰等譯.數(shù)據(jù)挖掘概念與技術.北京：機械工業(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，我國的教育正面臨著從傳統(tǒng)的應試教育向素質教育、人格教育的轉變，而隨著生活和物質水平的提高，心理健康的問題也逐漸引起了社會各界的關注，深入研究學生的心理健康狀況的及探索學生的心理干預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)挖掘技術快速成熟發(fā)展及應用領域的不斷擴展，數(shù)據(jù)挖掘技術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)出了其它技術所不能比擬的優(yōu)勢。數(shù)據(jù)挖掘技術在高校的教學與管理領域應用也初顯了成效，本文通過對大量的相關文獻資料查閱，較深入地研究和學習了數(shù)據(jù)挖掘技術，并嘗試分析研究高職生心理問題數(shù)據(jù)的數(shù)據(jù)挖掘技術應用。
本文主要的研究工作是通過心理問題分析和數(shù)據(jù)挖掘的技術兩者相結合進行展開，闡述了國內外數(shù)據(jù)挖掘技術了發(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合數(shù)據(jù)挖掘技術的可行性。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關聯(lián)規(guī)則算法進行了詳細分析后，利用ID3決策樹算法和Apriori關聯(lián)規(guī)則算法對高職生心理問題的數(shù)據(jù)進行預測，分析心理問題與其屬性之間存在的某種內在的聯(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高職院校學生存在的心理障礙 3
1.2.2造成高職院校學生心理障礙的原因 5
1.3數(shù)據(jù)挖掘技術在國內外的研究現(xiàn)狀 6
1.3.1國外的研究現(xiàn)狀 6
1.3.2國內的研究現(xiàn)狀 7
1.4論文研究的內容 8
1.5論文的組織結構 8
第二章 數(shù)據(jù)挖掘與知識發(fā)現(xiàn) 10
2.1數(shù)據(jù)挖掘的相關知識 10
2.1.1數(shù)據(jù)挖掘的主要任務 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)構成 21
2.3.5數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的關系 22
2.4小結 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 24
3.1.3高職生心理數(shù)據(jù)分析中結合數(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—關聯(lián)規(guī)則 30
3.3.1挖掘任務 30
3.3.2關聯(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 36
第四章 數(shù)據(jù)挖掘在高職生心理問題系統(tǒng)中的應用 37
4.1需求分析 37
4.1.1系統(tǒng)業(yè)務流程 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)體系結構 39
4.3數(shù)據(jù)準備 40
4.3.1數(shù)據(jù)來源 40
4.3.2數(shù)據(jù)預處理 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實驗結果分析 53
4.6小結 61
第五章 總結和展望 62
致謝 65
參考文獻 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)挖掘應用領域 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學生信息表 40
表4-2學生心理維度測試表 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)倉庫結構圖 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)結構 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)預處理界面 48
圖4-7數(shù)據(jù)預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關聯(lián)規(guī)則挖掘數(shù)據(jù)預處理界面 51
圖4-12關聯(lián)規(guī)則挖掘門檻值設置界面 51
圖4-13沖動標準分數(shù)據(jù)挖掘的測試數(shù)據(jù) 53
圖4-14沖動標準分數(shù)據(jù)挖掘的結果數(shù)據(jù) 54
圖4-15焦慮標準分數(shù)據(jù)挖掘的測試數(shù)據(jù) 54
圖4-16焦慮標準分數(shù)據(jù)挖掘的結果數(shù)據(jù) 55
圖4-17精神病傾向標準分數(shù)據(jù)挖掘的測試數(shù)據(jù) 55
圖4-18精神病傾向標準分數(shù)據(jù)挖掘的結果數(shù)據(jù) 56
圖4-19社交退縮標準分數(shù)據(jù)挖掘的測試數(shù)據(jù) 56
圖4-20社交退縮標準分數(shù)據(jù)挖掘的結果數(shù)據(jù) 57
圖4-21依賴標準分數(shù)據(jù)挖掘的結果數(shù)據(jù) 57
圖4-22依賴標準分數(shù)據(jù)挖掘的結果數(shù)據(jù) 58
圖4-23抑郁標準分數(shù)據(jù)挖掘的測試數(shù)據(jù) 58
圖4-24抑郁標準分數(shù)據(jù)挖掘的結果數(shù)據(jù) 59
圖4-25自卑標準分數(shù)據(jù)挖掘的測試數(shù)據(jù) 59
圖4-26自卑標準分數(shù)據(jù)挖掘的結果數(shù)據(jù) 60
關鍵詞：數(shù)據(jù)挖掘，決策樹，關聯(lián)規(guī)則，心理問題
參考文獻
[1]建梅等.面向21世紀高校心理健康教育模式的探索.社會科學研究，1999，3
[2]劉淑娟.當代大學生心理問題分析及調試：[學位論文].哈爾濱：哈爾濱工程大學，2004
[3]姚斌，汪勇，王挺.大學生心理健康狀況及影響因素的比較分析.西安交通大學學報，2004
[4]張明園.精神科評定量表手冊.長沙：湖南科學技術出版社，1998
[5]JiaweiHan，et al.Discoveryofmultiple-Level assoeiationrules fromlargedatabases.Proe.ofVLDB，Zurieh，Switzerland，1995
[6] (美)01iviaParrRud著.朱揚勇等譯.數(shù)據(jù)挖掘實踐，北京：機械工業(yè)出版社.2003
[7]汪瀾.數(shù)據(jù)挖掘技術在教學評估中的應用研究：[學位論文」.阜新：遼寧工程技術大學，2003
[8]高建偉.數(shù)據(jù)挖掘在師資人才一管理系統(tǒng)中的應用：[學位論文].四川：成都理工大學，2005
[9] (美)RichardJ.Riger，Michaelw.Geatz著.翁敬農(nóng)譯.數(shù)據(jù)挖掘教程.北京：清華大學出版社，2003
[10]夏火松.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術.北京：科學出版社，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.吉林建筑工程學院學報，2004，21(1)
[13]唐華松等.數(shù)據(jù)挖掘中決策樹算法的探討.計算機應用研究，2001，8
[14]李業(yè)麗，常桂然，徐茜.神經(jīng)網(wǎng)絡在數(shù)據(jù)挖掘中的應用研究.計算機工程與應用，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《大學生心理健康測評系統(tǒng)》課題組，《中國大學生心理健康測評系統(tǒng)》量表手冊.北京：教育部《大學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)預處理.計算機科學，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.云南大學學報(自然科學版)， 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用.計算機工程與應用，2004，1
[23]陸麗娜.挖掘關聯(lián)規(guī)則中Apriori算法的研究.小型微型計算機系統(tǒng)，2000，21(9)
[24]周皓峰，朱揚勇，施伯樂一個基于興趣度的關聯(lián)規(guī)則采掘算法.計算機研究與發(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.關聯(lián)規(guī)則興趣度度量.情報學報，2003，8
[27]JiwaeiHan，MihcelineKamber著.范明，孟小峰等譯.數(shù)據(jù)挖掘概念與技術.北京：機械工業(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
