Ｖｏｌ．２９Ｎｏ．１ Ｊａｎ．２０１３ 赤峰学院学报（自然科学版）ＪｏｕｒｎａｌｏｆＣｈｉｆｅｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）第29卷第1期（下） 2013年1月关联规则挖掘算法的研究目前是数据挖掘领域的一个重要方向，其中，Ａｐｒｉｏｒｉ算法就是一个经典的挖掘关联规则算法．１９９３年，Ａｇｒａｗａｌ等提出关联规则挖掘的相关概念，随后提出经典Ａｐｒｉｏｒｉ算法，它是一个采用两阶段挖掘思想的算法，且多次扫描事务数据库，直到寻找出给定数据集中数据项之间有趣的关联规则．1关联规则基本概念 １．１ 关联规则 关联规则是形如Ａ圯Ｂ的蕴含式，在关联规则中，有两 个重要的概念：支持度和置信度．支持度是对关联规则的重要性的衡量，置信度是对关联规则的准确度的衡量，一般情况下，用户根据实际挖掘需要，预先给定最小支持度和最小置信度，通常情况下，如果规则的置信度和支持度大于用户指定的最小置信度和支持度，那么这个规则就是一条有效规则．事实上，有效规则并不一定具有实用性，还要参照关联规则的其他指标． 定义1 设Ｉ＝｛Ｉ１，Ｉ２，…，ＩＭ｝是数据项的集合，Ｄ是全体事务 的集合，一个事务Ｔ有一个唯一的标识ＴＩＤ．如果项集Ａ哿Ｔ，则称事务Ｔ支持项集Ａ，也称事务Ｔ包含项集Ａ． 定义2 关联规则是形如Ａ圯Ｂ的蕴含式，其中Ａ奂Ｉ，Ｂ奂Ｉ，且Ａ∩Ｂ＝Φ． 定义3 事务数据库Ｄ中有Ｎ条交易事务，关联规则 Ａ圯Ｂ的支持度定义为： ｓｕｐｐｏｒｔ（Ａ圯Ｂ）＝ｓｕｐｐｏｒｔ（Ａ∪Ｂ）×１００％．定义4 置信度定义为： ｃｏｎｆｉｄｅｎｃｅ（Ａ圯Ｂ）＝ｓｕｐｐｏｒｔ（Ａ∪Ｂ）×１００％． 引理1 在数据库中若有一事务Ｔ其长度小于Ｋ＋１，则 由Ｋ项频繁集生成Ｋ＋１项频繁集时，事务Ｔ是没必要扫描的．１．２ Ａｐｒｉｏｒｉ算法的基本思想 Ａｐｒｉｏｒｉ算法是发现关联规则的经典算法．该算法分两个步骤发现关联规则：第一步通过迭代，找出事务数据库中的所有频繁项集，即支持度不低于最小支持度的项集；第二步利用频繁项集构造出满足用户最小可信度的规则．2 Apriori 算法的不足之处 Ａｐｒｉｏｒｉ算法最大的优点是算法思路比较简单，它以递归统计为基础，生成频繁项集，易于实现．Ａｐｒｉｏｒｉ算法虽然能够从海量数据中挖掘出关联规则，但是算法在执行速度和效率上有一定的局限性，表现如下：２．１ Ａｐｒｉｏｒｉ算法会产生大量的候选项集．该算法是由候选 集函数Ａｐｒｉｏｒｉ－Ｇｅｎ利用Ｌｋ－１项产生候选项集Ｃｋ，所产生的Ｃｋ由Ｃｋ Ｌｋ－１ 项集组成．显然ｋ越大产生的候选项集的数目就越多． ２．２Ｉ／Ｏ负载过大．Ａｐｒｉｏｒｉ算法需要多次扫描事务数据库， 需要很大的Ｉ／Ｏ负载．对每次ｋ循环，候集Ｃｋ中的每个元素都必须扫描数据库１次来决定其是否加入Ｃｋ．例如，一个频繁大项目集包含１２个项，那么就至少扫描事务数据库１２遍．3 对Apriori 算法的改进 算法改进的思路 １．改变数据的存储结构，用二进制位存储各项目的事务集，矩阵的列代表频繁Ｋ－项集，矩阵的行代表事务，其中１表示该项目在某事务中出现，０表示该项目在某事务中没有出现． ２．生成频繁１－项集．首先扫描源数据库，生成矩阵．统计每列中包含１的数目，得到该项目的支持事务数，如果该项的支持事务数大于最小支持事务数，则该项是频繁项集，否则是非频繁项集．从矩阵中将该列删除，并根据引理１，在矩阵中删除第９行，得出频繁１－项集． ３．由频繁１－项集生成频繁２－项集．对频繁１－项集中的项两两连接得出候选２－项集，也就是对矩阵中第ｉ列所代表的项集和第ｊ列所代表的项集进行逻辑与操作．然后计 关联规则挖掘算法的研究 张 丽 （湖南文理学院 经济与管理学院，湖南 常德415000） 摘要：本文介绍了数据挖掘中的关联规则经典Ap r i or i 算法.针对Ap r i or i 算法在执行速度和效率上的缺点，提出了一种改进的Ap r i or i 算法. 关键词：Ap r i or i ；算法；关联规则中图分类号：ＴＰ３１１ 文献标识码：Ａ 文章编号：１６７３－２６０Ｘ（２０１３）０１－００２２－０２ 基金项目：湖南文理学院2010年度青年启动课题（QNQD1017） ２２－－
用友软件股集市字（2008）第03号 UFIDA行业分类标准 签发人郑雨林 签发时间2008年2月21日 1 目的和适用范围 1为适应公司全面向客户经营转型的战略，更好地进行面向客户行业的分析、规划和经营，并为公司市场数据采集、产品市场规划和财务统计分析工作提供统一的行业分类和编码，特制订本标准并加强行业标准执行力度。 2本标准供集团各部门、分子公司、合作伙伴及产品公司划分行业使用。在市场、产品、销售、财务等项工作中，按照本标准的规定，处理客户行业分类资料，进行有关工作。 2 分类原则 1依据简单、易操作、易执行的原则，新标准在2006年公司行业划分标准基础上结合公司业务特点，进行了一定程度的合并和简化工作，并控制了一级和
二级分类的数量。 2为使标准具有一定的稳定性，便于数据沉淀和长期分析，新标准依据经济活动性质的同一性分类的原则（而不按其所属行政管理系统分类，也不考虑用友内部组织机构划分因素），同时考虑管理软件行业的特点，一级分类考虑了客户经营特征，二级分类主要考虑客户自身的行业特征。 3与国标、2006年司标、2005年司标（未正式发布，是目前销售信息系统、商务系统、客户数据库的事实标准）对接，以保证历史继承性。积极吸取国标、其他管理软件公司及分析机构的行业分类标准的经验，便于进行资料对比。 4第二级分类编码设两位码，以适应今后增加或调整类目需要。3 本标准的执行要求 1在销售信息系统、商务系统、客户数据库、财务系统中强制执行，在各事业部、分子公司、产品公司强制执行。 2关于本标准在实行过程中的问题和建议，请及时向集团产品管理部反馈。集团产品管理部将根据公司业务发展以及该标准的执行情况，适时进行标准修订。 3本标准自发布之日起实行。集团产品管理部2006年发布的《行业划分标准》同时废止。
教育研究方法分类 浅谈新课程改革的重要性进入21世纪的今天，全球一体化进程不断加快，科学技术日新月异，对人才的要求也不断提高了，培养21世纪合格的中国公民成为了我们育人的方向。21世纪合格的中国公民应具备的基本素质包括要有历史使命感、社会责任感、人文主义精神、健全的人格、开放的世界意识。要培养新时期新形势下国家需要的新人才，按照传统的教育模式，老师一味灌、，学生机械的记，学生缺乏自主性、创新性，显然不利于新型人才的培养。因此，新时期呼唤新人才，新人才的培养呼唤新的教育理念、教育模式，这就要求必须进行教育改革。必须顺应历史发展的潮流，切实转变教学观念，以提高我国国民的整体素质和人文素养。新课程进入到学校操作层面，所遭遇的许多问题往往令教师对先前接受的理论产生困惑甚至怀疑。这当中固然有教师在理论上的误读和实践上偏离的问题，但是，理论的适切性与指导力也是我们应当关注的一个重要问题。今天的实践已经无法回避许多与理论有关的认识问题，如在以人为本的教育理念下如何认识学生个性发展与国家定向培养的矛盾，在建构主义教育理论下如何认识教师在课堂教学中的主导作用，等等。尽管理论工作者对这些问题都已经注意到并有了一些研究，但就现有的理论研究成果而言，一线的实践者多少感到有些单薄、有些苍白，一些课程理论因为较少涉及现实的教学实践活动及其客观存在的
特点，依然停留在思辨的层面。所以，我们仍期待更具针对性和指导力理论的出现。新课程理论充分借鉴了各国先进的教育理念与课程理论。尽管我们反对以“国情不同”为由拒绝对国外先进理论的传播与吸纳，但来自国外的教育理论毕竟有其生成和发展的特定环境。对理论的把握离不开对环境的认识，在引进理论的时候，要注意与中国的基本国情相适应。理论有其超越环境的共性部分，这是我们要吸收的东西；也有依赖于环境、体现个性的部分，这就需要我们从实际出发，进行必要的修正。同时，要全面地看待这些引进的国外理论，不仅要了解其成功的方面，也要认识到它们在本土的实践中遇到的各种问题和遭到的各种批判，不能忽视对问题的呈现和对局限性的剖析。在传播理论的过程中，要用理论来分析、解释实践中出现的问题，不能重传播、轻应用，我们要欢迎教育理论在重建中的百花齐放、百家争鸣。不同的观察问题的视角，多维度全方位的理论研究，对新课程的健康推进无疑是大有裨益的。第一： 我们渴望理论对实践有及时的观照与呼应，我们在艰难推进新课程的时候更需要专家的支持和指导。课程改革的理论工作者需要更多地深入一线，和教师们一起，分享改革的快乐，体验改革的阵痛，发现改革的问题，破解改革的疑难。对实践中具体案例的生动剖析远比简单的传播或是粗暴的批评更能令实践者心服口服，更能显出理论的功效与威力。适应中国国情、具有中国特色的课程理论只有在新课程改革的实践中才能逐步建立起来，我
企业所属行业分类 一、农、林、牧、渔业 二、采矿业 三、制造业 1、食品加工与食品、饮料制造业 2、烟草制品业 3、纺织业、化学纤维制造业 4、服装、鞋帽、皮革制造业 5、木材加工及木、竹、藤、棕、草制品、家具制造业 6、造纸及纸制品、印刷业、文教体育、办公用品制造业 7、非金属矿物制品业（含水泥、玻璃、陶瓷、耐火材料等） 8、黑色金属、有色金属冶炼及压延加工业 9、金属制品业 10、石油加工、炼焦加工业 11、化学原料及化学制品制造业 12、医药制造业 13、橡胶制品、塑料制品业
14、通用设备和专用设备制造业 15、交通运输设备制造业 16、电气机械及器材、线缆制造业 17、通信设备、计算机及其他电子设备制造业 18、仪器仪表制造业 19、工艺品其他制造业 四、电力、热力、燃气及水的生产和供应业 五、环境和公共设施管理业 六、建筑业 七、交通运输、仓储业和邮政业 八、信息传输、计算机服务和软件业 九、批发和零售业 十、住宿、餐饮业 十一、金融、保险业 十二、房地产业 十三、租赁和商务服务业 十四、科学研究、技术服务和地质勘查业
十五、水利、环境和公共设施管理业十六、居民服务和其他服务业 十七、教育 十八、卫生、社会保障和社会服务业十九、文化、体育、娱乐业 二十、综合（含投资类、主业不明显）二十一、其它 表一: 2008年度上规模民营企业情况调研表
表二： 2008年度企业经营管理情况调研表
填表人：__________________ 职务：_______________ 联系电话：_________________ 一、企业投融资情况及发展意向 1．上市融资情况：目前已经上市或控股（相对）上市公司□国 内家□海外家 今后上市意向：□内地□国外□香港 2．2008年度企业是否有：□IPO上市□股票增发□基金投入□发行企业债券□其它(请注明) 3．未来3年内发展战略：□海外投资□开展多元化经营□立足本行业及关联行业发展 □其它(请注 明) 未来3年内拟投资行 业： 投资资金来源：□自有□民间借贷□银行借贷□资本市场直接融资 □其它(请注 明)
数学模型按照不同的分类标准有许多种类： 1.按照模型的数学方法分，有几何模型，图论模型，微分方程模型。概率模型，最优控制模型，规划论模型，马氏链模型。 2.按模型的特征分，有静态模型和动态模型，确定性模型和随机模型，离散模型和连续性模型，线性模型和非线性模型。 3.按模型的应用领域分，有人口模型，交通模型，经济模型，生态模型，资源模型。环境模型。 4.按建模的目的分，有预测模型，优化模型，决策模型，控制模型等。 5.按对模型结构的了解程度分，有白箱模型，灰箱模型，黑箱模型。 数学建模的十大算法： 蒙特卡洛算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，比较好用的算法。） 数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用matlab作为工具。） 线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用lingo、lingdo软件实现）图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备。） 动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中） 最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题时用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需谨慎使用） 网格算法和穷举法（当重点讨论模型本身而情史算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具） 一些连续离散化方法（很多问题都是从实际来的，数据可以是连续的，而计算机只认得是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。 数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用。） 图像处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用matlab来处理问题。） 数学建模方法 统计：1.预测与预报2.评价与决策3.分类与判别4.关联与因果 优化：5.优化与控制 预测与预报 ①灰色预测模型（必须掌握） 满足两个条件可用： a数据样本点个数少，6-15个 b数据呈现指数或曲线的形式 ②微分方程预测（备用） 无法直接找到原始数据之间的关系，但可以找到原始数据变化速度之间的关系，通过公式
教育研究方法分类模拟3 一、单项选择题 1. 将教育研究分为教育价值研究与教育事实研究的维度是______。 A.教育研究对象及其任务 B.教育研究目的 C.教育研究范式 D.教育研究旨趣 答案：A [解答] 本题考查的是教育研究的类型。对教育研究类型的划分，主要有三个维度：①根据教育研究对象及任务，将教育研究分为教育价值研究、教育事实研究。其中教育价值研究是一种应然研究，揭示的是“为什么”和“如何做”的问题；教育事实研究是一种实然的研究，主要揭示“是什么”的问题。②根据教育研究的目的不同，将教育研究分为基础研究和应用研究。③根据教育研究范式不同，将教育研究分为定量研究和定性研究。D项是干扰项。因此，正确答案为A。 2. 将教育研究分为基础研究和应用研究的分类维度是______。 A.教育研究对象及其任务 B.教育研究目的 C.教育研究范式 D.教育研究旨趣 答案：B [解答] 本题考查的是教育研究的类型。对教育研究类型的划分，主要有三个维度：①根据教育研究对象及任务，将教育研究分为教育价值研究、教育事实研究。②根据教育研究的目的不同，将教育研究分为基础研究和应用研究。其中基础研究旨在揭示教育现象的一般规律，建立具有普遍性的理论，增进人类知识；应用研究旨在寻找解决实际问题的方法或途径。应用研究常常依据基础研究的成果进行探讨，而应用研究的成果也有助于完善基础研究。③根据教育研究范式不同，将教育研究分为定量研究和定性研究。D项是干扰项。因此，正确答案为B。
3. 同基础研究相比，应用研究______。 A.以抽象、一般为特征 B.强调可行性 C.探讨更为周密的研究的可能 D.把研究过程中的情况描述下来 答案：B [解答] 本题考查的是基础研究、应用研究的特点。基础性研究以抽象、一般为特征，目的是揭示、描述、揭示某些现象和过程，其结果与应用无关；应用研究以具体、特殊为特征，对基础性研究的成果作进一步的验证，应用研究的可行性较强。而探讨更为周密的研究的可能是探索性研究的特点之一。把研究过程中的情况描述下来是描述性研究。因此，正确答案为B。 4. 下列不属于质性研究通常运用的方法的是______。 A.开放式访谈 B.参与观察 C.个案调查 D.实验研究 答案：D [解答] 本题考查的是质性研究。质性研究(或质的研究)通常是指在自然环境下，运用现场实验、开放式访谈、参与观察和个案调查等方法，对所研究的现象进行长期深入、细致的分析，在此基础上建立假设和理论，并通过证伪、相关检验等方法对研究结果加以检验的一种研究范式。在研究目的上，定性研究重视描述与揭示，以揭示教育现象或行为的“意义”为主；在研究角度上，注重从整体上把握现象；在分析方式上，以归纳法为主，倾向于对研究结果进行归纳分析；在角色上，研究者在当时当地收集第一手资料，从当事人的视角来理解他们言行的意义和对事物的看法，研究者就是参与者。实验研究按实验进行的场所可以分为实验室实验、自然实验。因此，正确答案为D。 5. 任何一种教育研究方法的选用都应遵循其内在的规定和基本的原则。在教育研究过程中，我们必须按程序和要求去研究客观现实，不能随意更改和省略。这一教育研究所遵循的原则是______。 A.可行性原则 B.客观性原则
我省“金色俱乐部”会员包括商务会员和公众会员。商务会员可按所属行业进行细分，为不同行业的会员分别提供有针对性的差异化服务。商务会员划分方式暂定如下： 、餐饮、娱乐服务业：包括饭店、连锁餐饮业、娱乐服务业。 、批发、零售贸易业：包括批发贸易、内外贸企业、零售业、电子商务零售业。 、交通运输、仓储业：包括交通运输业、铁路运输业、公路运输业、水上运输业、运输辅助业。 、通信、电子设备制造业，计算机应用服务业：包括通信设备制造业、电子器件和元件制造业、家用电器制造业、计算机应用服务业（软件开发、数据库服务、系统集成等）。 、采掘业：包括采掘业、石油天然气开采、煤炭和金属矿开采、其他。 、一般制造业：包括一般制造业、加工业。 、公共服务业：包括公共基础服务业、公共设施服务业、社区服务、信息咨询服务业、广告业。 、房地产业：包括房地产开发与经营业、物业管理、房地产经纪与代理业。 、科学教育、文化卫生：包括中等初等教育院校、文化艺术业、卫生部门、影视业等。 、其他行业：以上各行业未包括的行业。
请各地市分公司商务客户部详细分析以上各行业商务会员的行业特征、以及对通信服务的个性化需求。 、未列入以上行业划分标准中的其他行业，请详细说明名称和所占比例（可估算）。 、行业特征指：某行业的特点和特定需求。 、对通信服务的个性化需求指：对我公司所提供的通信服务的附加要求，和做为“金色俱乐部”会员所希望得到的回报需求。 附表： 大客户行业划分表
说明： 1、本划分标准作为大客户市场细分的一种方式和手段。 2、本划分是在原大客户行业的分类基础上，结合大客户工作的 实际，并参考了统计标准中的“国民经济行业分类和代码” 而制定的。 3、本划分采用行业分类法，划分为门类、大类、中类和小类四 级。但小类保留暂不进行细分。门类采用字母顺序编码法，即用...顺序表示门类；大中类依据等级制和完全十进制，形成二层三位数字码的类别识别系统。但大类在参与层次编码的同时，又采用了数字顺序编码法，即代码前两位表示大类，前三位表示中类。每层代码从开始编，按升序排列，最多编到。对于每类中的“其他”类，采用特殊的数字表示，即末
1、蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法） 2、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具） 3、线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo软件实现） 4、图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备） 5、动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中） 6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是用来解决一些较困难的最优化问题的算法，
对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用） 7、网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具） 8、一些连续离散化方法（很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的） 9、数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用） 10、图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab 进行处理）
教育科学研究法 主讲教师：陈伙平 参考书目 1、叶澜.教育研究方法论初探【M 】.上海教育出版社，1999 2、裴娣娜.教育研究方法导论【M 】.安徽教育出版社，1995 3、威廉·维尔斯曼（美），袁振国等译.教育研究方法导论【M 】.教育科学出版社，1997 4、陈伙平.教育科学研究方法与原理【M 】.福建科学与技术出版社，2007 5、林焕章等.教育科研操作指南【M 】.国际文化出版社，2000 一、基本理论 （一）科学与教育科学 1.科学 2.教育科学 （二）科学研究与教育科学研究 1.科学研究 2.教育科学研究 ①教育科学研究对象及其特点 研究对象——教育问题 研究问题的特点 A.复杂性：一果多因；一因多果；亦因亦果 理论中的两难： 实践中的两难：个人本位与社会本位；自由与纪律。 理论与实践的脱节造成的两难：新课改的理念与实际操作的不一致；打孩子。 D.整合性与扩散性 ②教育科学研究的基本原则 A.客观性原则 B.操作性原则 C.系统性原则 D.公共性原则 E.检验性原则 a.理论中两难B.两难性 b.实践中两难 c.理论与实践脱节造成的两难 ì????í?????：：孔子：性相近，习相远人性论孟子性善论荀子性恶论ì????í?????：：：朱熹知先行后知行观王夫之行先知后王守仁知行合一ì????í?????a.时间上的开放C.开放性 b.空间上的开放 ì??í???
③教育科学研究分类 （三）科学研究方法与教育科学研究方法 1.科学研究方法 ①含义：包括方法论与具体的研究方法。 方法论与具体研究方法的联系与区别。 ②非科学方法 A.根据权威的解释 B.直觉判断 C.奠基在纯理论假设基础上的逻辑推理 2.教育科学研究方法 ①以方法论为基础 二、教育科学研究的方向与态度 （一）方向——“四个坚持” （二）态度——实事求是 三、教育科学研究的重要意义 1.科学教育呼唤科学研究 2.当今中国教育需要教育科研五个需要 第二章 选题与抽样 一、选题 （一）选题的重要性 提出课题比解决课题更困难 实践证明：选题恰当，研究成果容易得到认可 基础研究A.根据研究目的应用研究 ì??í???定性研究B.根据研究方法定量研究ì??í???教育事实研究C.根据研究问题的性质教育价值研究 ì??í???个案研究D.根据研究对象的数量成组研究ì??í???宏观研究E.根据研究问题的大小微观研究 ì??í??? ② A.实践第一树立三个正确观点 B.辩证发展C.系统整体 ì????í????? ③ A.方法论方法体系 B.具体方法C.辅助性技术 ì????í?????
关联规则挖掘算法的研究 摘要：Apriori算法是发现频繁项目集的经典算法，但是该算法需反复扫描数据库，因此效率较低。本文介绍了Apriori算法的思想，同时对已经提出的经典的关联规则更新算法FUP和IUA算法进行分析，指出其优缺点；最后对另外的改进算法，做一个简单的叙述。 关键词数据挖掘；关联规则；Apriori算法 Keywords：data mining；relation rule；Apriori algorithm 关联规则反映了数据库中数据项目之间有趣的关联关系，而其中发现频繁项目集是关联规则挖掘应用中的关键技术和步骤。关于频繁项目集的挖掘算法研究，人们对此进行了大量的工作，其中以R. Agrawal 等人提出的Apriori 、AprioriTid 等算法最具有影响力和代表性。而这些算法的提出都是在挖掘数据库和最小支持度不变的条件下进行的。但实际中，遇到的情况可能是：随着时间的推移，挖掘数据库的规模可能不断膨胀或需要删除一部分记录，或者需要对最小支持度进行调整从而逐步聚集到我们感兴趣的频繁项目集上。因而如何从数据发生变动后的数据库中高效地对已经推导出的关联规则进行更新，具有非常重要的应用价值，这就是所谓的增量式挖掘关联规则的问题。 1关联规则 问题描述：设I={i1，i2，...，i m}是m个不同项目的集合，给定一个事务数据库D，其中D每一个事务T是I中一组项目的集合，即T I，T有一个惟一的标志符TID。如果对于I中的一个子集X，有X T，我们就说一个事务T包含X。一条关联规则(association rule)就是一个形如X =>Y的蕴涵式，其中X，Y T，而X∩Y=Φ。关联规则成立的条件是：①它具有最小支持度s，即事务数据库D中至少有s%的事务包含X∪Y；②它具有最小可信度c，即在事务数据库D中包含X的事务中至少有c%同时也包含Y。给定一个事务集D，挖掘关联规则问题就是产生支持度和可信度分别大于用户给定的最小支持度和最小可信度的关联规则，也就是产生强规则的问题。关联规则的挖掘问题可以分解为以下两个问题： (1) 找出事务数据库中所有具有用户最小支持度的项目集。具有用户指定最小支持度的项目集称为频繁项目集，反之称为非频繁项目集。一个项目中所含项目的个数称为该项目的长度。 (2) 利用频繁项目集生成关联规则。对于每一个频繁项目集A，若B A，B≠Φ，且support(A)/support(B)>minconf，则有关联规则B=> (A-B)。目前大多数的研究主要集中在第一个问题上面。 2 Apriori核心算法 Agrawal等人于1994年提出了一个挖掘顾客交易数据库中项集间的关联规则的重要方法Apriori算法，其核心是基于两个阶段频繁项集思想的递推算法。算法的基本思想是首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频繁项集产生强关联规则，这些规则必须满足最小支持度和最小可信度。Apriori核心算法思想简要描述如下：该算法中有两个关键步骤连接步和剪枝步。 (1) 连接步：为找出Lk(频繁k一项集)，通过Lk-1与自身连接，产生候选k-项集，该候选项集记作Ck；其中Lk-1的元素是可连接的。
营销大客户部行业详细划分 大客户行业经营范围 A： 通信类（通信网络运营商、通信产品经销商），包括： 一、移动、网通、联通、铁通、电信、卫通等公司及其所属分公司、营业网点； 二、手机、小灵通卖场及其专卖店；含光能手机、可视电话等通讯产品。 B： 商场类（），包括： 一、综合性商场、商城、超市以及与商场合版刊发的产品广告； 二、其它所有小型商场、超市、综合性商店。 C： 家电类（家电商场、卖场）， 包括三联家电、苏宁电器、国美电器等为代表的综合类家电卖场； D： 电器、家电类： 主要指除房产（太阳能、油烟机、燃气灶、热水器、电暖器、浴霸）之外的家用电器品牌及专卖店广告（包括电视、空调、冰箱、洗衣机、电饭煲、豆浆机、电磁炉、电吹风、剃须刀、电风扇、电熨斗、加湿器等），包括海尔、长虹、海信、TCL等综合性品牌家电； E： 旅游类
一、旅行社、旅游公司； 二、旅游景点、公园、游乐园。 F： 各县市区的所有商场、xx、超市。 G： 其他在建的综合性商场、商城、购物广场以开业为限划归本行业。 房产家居行业经营范围 A： 房地产类 一、房地产开发企业及其开发的项目； 二、房地产营销、策划、代理公司及其代理的项目； 三、二手房中介、评估、交易机构及其代理、销售的房产； 四、住房、办公用房、厂房、商业店铺、写字楼的出租、出售； 五、土地的转让、出租、出售。 B： 建筑、建材类 一、各类建筑施工、建筑安装、建筑监理、建筑勘测、建筑设计等企业； 二、建材生产及销售企业或店铺，包括石材、水泥、砖瓦、预制板材、沙子、石灰、玻璃钢瓦、石膏板、建筑涂料、防水材料、新型建材（色沥青瓦、彩瓦、彩砖），电线、电缆、电工产品、电器开关等产品广告及专营店广告。 C：
数学模型的分类 按模型的数学方法分： 几何模型、图论模型、微分方程模型、概率模型、最优控制模型、规划论模型、马氏链模型等 按模型的特征分： 静态模型和动态模型，确定性模型和随机模型，离散模型和连续性模型，线性模型和非线性模型等 按模型的应用领域分： 人口模型、交通模型、经济模型、生态模型、资源模型、环境模型等。 按建模的目的分： 预测模型、优化模型、决策模型、控制模型等 一般研究数学建模论文的时候，是按照建模的目的去分类的，并且是算法往往也和建模的目的对应 按对模型结构的了解程度分： 有白箱模型、灰箱模型、黑箱模型等 比赛尽量避免使用，黑箱模型、灰箱模型，以及一些主观性模型。 按比赛命题方向分： 国赛一般是离散模型和连续模型各一个，2016美赛六个题目（离散、连续、运筹学/复杂网络、大数据、环境科学、政策） 数学建模十大算法 1、蒙特卡罗算法 （该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，比较好用的算法） 2、数据拟合、参数估计、插值等数据处理算法 （比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具） 3、线性规划、整数规划、多元规划、二次规划等规划类问题 （建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo软件实现） 4、图论算法 （这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备）
5、动态规划、回溯搜索、分治算法、分支定界等计算机算法 （这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中） 6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法 （这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用） 7、网格算法和穷举法 （当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具） 8、一些连续离散化方法 （很多问题都是从实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的） 9、数值分析算法 （如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用） 10、图象处理算法 （赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的这些图形如何展示，以及如何处理就是需要解决的问题，通常使用Matlab进行处理） 算法简介 1、灰色预测模型（必掌握） 解决预测类型题目。由于属于灰箱模型，一般比赛期间不优先使用。 满足两个条件可用： ①数据样本点个数少，6-15个 ②数据呈现指数或曲线的形式 2、微分方程预测（高大上、备用） 微分方程预测是方程类模型中最常见的一种算法。近几年比赛都有体现，但其中的要求，不言而喻。学习过程中 无法直接找到原始数据之间的关系，但可以找到原始数据变化速度之间的关系，通过公式推导转化为原始数据的关系。 3、回归分析预测（必掌握） 求一个因变量与若干自变量之间的关系，若自变量变化后，求因变量如何变化； 样本点的个数有要求： ①自变量之间协方差比较小，最好趋近于0，自变量间的相关性小； ②样本点的个数n＞3k+1，k为自变量的个数；
1、教育研究的基本范式是什么？基本特点各是什么？ 教育研究的基本范式有“实证主义范式”和“自然主义范式”。在20世纪80年代，美国一些学者也将这两种范式称为定量研究和定性研究 （一）实证主义研究范式的基本特点 1、实证主义范式的出发点：教育研究中实证主义范式的兴起，得益于教育研究向自然科学学习，以实现“科学化”的不懈努力。这种范式以自然科学的研究为典范，强调通过观察和实验、运用数学工具、推究因果关系，对研究对象加以说明或解释 2.实证主义范式关注的主要方面 研究结果的客观真实性； 研究过程和结论的可检验性； 所获认识的确定性； 研究结论的普遍有效性 3.实证主义范式评价研究质量的主要指标 有代表性的抽样技术； 确立研究变量的规范；（每一个变量是否有清晰的操作性定义，否则在实施研究过程中难以准确地控制和考察这些变量；还要看变量之间及变量内部是否具有逻辑关系：同一变量的不同指标之间是否既不重复也不遗漏，不同变量之间是否具有时间上的先后关系） 标准化的研究工具； 控制干扰变量的手段； 符合线性因果观的论证过程； 检验假设时精确的统计处理 （二）自然主义研究范式的基本特点 1.自然主义范式的出发点 自然主义范式是在社会科学、人文学科的研究中形成的 本体论，它认为教育活动是由人在意识和情感支配下完成的，必然带有参与者的主观价值因素，因而不存在纯粹客观的现实，而只有被人赋予意义的现实 认识论，它认为研究主体和客体不可能分离，也不可能存在精致地等待被人发现的纯粹客观的规律，主体对客体的认识实际上是主体通过与客体的接触和相互作用而产生的有意义的、可沟通的见解。认识的结果不是对变量之间因果关系的确证，而是理解人的特征、活动和教育情境 方法论，它特别强调研究者深入现场，在尽可能自然的情境中与被研究者一起生活，了解他们所关心的问题，倾听他们的心声，同时，对自己所用的研究方法进行深刻的反省，注意自己与被研究者的关系对研究的影响，然后在此基础上通过移情理解被研究者的行为和思想，获得对研究对象的真切认识。 这种范式更多地采用归纳法的研究思路，研究者不是从一定的假设出发，只关注由此
分类算法的研究进展 分类是数据挖掘、机器学习和模式识别中一个重要的研究领域，分类的目的是根据数据集的特点构造一个分类函数或分类模型，该分类模型能把未知类别的样本映射到给定类别中的某一个。分类和回归都可以用于预测，和回归方法不同的是，分类的输出是离散的类别值，而回归的输出是连续或有序值。 一、分类算法概述为了提高分类的准确性、有效性和可伸缩性，在进行分类之前，通常要对数据进行预处理，包括：（1）数据清理，其目的是消除或减少数据噪声处理空缺值。 （2）相关性分析，由于数据集中的许多属性可能与分类任务不相关，若包含这些属性将减慢和可能误导分析过程，所以相关性分析的目的就是删除这些不相关的或兀余 性。（3）数据变换，数据可以概化到较 高层概念，比如连续值属 为离散值：低、 可概化到高层概念“省”此外，数据也可以规范化，规 范化将给定的值按比例缩放，落入较小的区间，比如【0，1】等。
的属 性“收入”的数值可以概化 性“市” 中、高。又比如，标称值属 二、常见分类算法 2.1 决策树 决策树是用于分类和预测的主要技术之一，决策树学习是以实例为基础的归纳学习算法，它着眼于从一组无次序、无规则的实例中推理出以决策树表示的分类规则。构造决策树的目的是找出属性和类别间的关系，用它来预测将来未知类别的记录的类别。它采用自顶向下的递归方式，在决策树的内部节点进行属性的比较，并根据不同属性值判断从该节点向下的分支，在决策树的叶节点得到结论。 2.2贝叶斯分类贝叶斯分类是统计学分类方法，它足一类利用概率统计知识进行分类的算法。在许多场合，朴素贝叶斯(Naive Bayes, NB)分类算法可以与决策树和神经网络分类算法相媲美，该算法能运用到大型数据库中，且方法简单、分类准确率高、速度快。由于贝叶斯定理假设一个属性值对给定类的影响独立于其它属性的值,而此假设在实际情况中经常是不成立的,因此其分类准确率可能会下降。为此,就出现了许多降低独立性假设的贝叶斯分类算
写字楼的客户分类
一、写字楼客户分类 与住宅类产品一样，写字楼客户也分为两类：自用型客户和投资型客户。1、自用型客户分析 市场上写字楼普遍存在车位不充足的情况，据调查了解，车位充足与否，已成为客户购买和衡量未来写字楼素质高低的重要因素。部分高端商务客户在济南很难找到相应的办公场所，市场存在大量购买整栋、整层办公空间的需求（如：中润世纪广整层以上去化量占所有已售房源3/4，现在在售的1号楼也以整层或多层销售为主）。 其中大中型客户群主要包括一下四类： （1）、政府机构转制出来的大集团以及将要转制的大集团；
（2）、国内外的金融机构，包括各级银行、保险、证券、期货及其他非银行金融性机构； （3）、大型股份制公司及外省市集团，包括上市公司； （4）、国内外大型的专业公司，如服务咨询行业、广告行业、IT行业、通讯行业等。 2、投资型客户分析 针对投资客户对购买的写字楼产品不同的处理方式和受益方式，我们将投资客户分为纯投资型客户和兼顾型投资客户。 （1）纯投资型客户 该类客户将购买的写字楼完全出租，以获得租金收入为主。这类客户可分为两种：一种是有足够空余资金的个体，包括外商、港澳台客户及省内外个体老板，一般购买的面积较小，他们在升值未得的情况下，投资以获得租金收入；另一种是国内外的专业投资机构和投资基金，他们可能会整层或多层购买，他们购置物业，主要是为了长期持有经营。 （2）兼顾型投资客户 这类投资客户购买的主要目的其实还是自用，但是在购买时有前瞻性的判断，为企业留下了充裕的空间，富余的那部分对外出租；另一部分在自用之余，购买物业作长期投资。
二、写字楼客户主要考虑的细节 与住宅类产品一样，写字楼客户也分为两类：自用型和投资型。但由于写字楼产品是作为办公场所出现的，客户在购买时候也更多的考虑到了商务功能。总结一下，客户在购买时主要考虑一下几点： 1、地段优势：与住宅产品一样，好的地段往往是最大的卖点。因为好的地段决定了好的交通状况、完善的配套设施等。相对于住宅产品而言，写字楼更加倚重地段的优势。不论是投资租用型业主或自用型业主，都是想买一个良好的增值前景，因此，在选择中应与写字楼所在的区域环境在政策、技术创新、人才、商贸、人气等方面的独特优势相结合，关注该区域基础设施和其他配套设施的建设及今后的发展，并了解相毗邻的周边都有哪些国内外知名企业加入。同时，因为房产的增值主要来源于土地的增值，而城市的主中心区及商贸繁荣区土地的稀缺性更强，增值的空间更大。这些区域的人流、物流、信息流、资金流汇聚，商机勃发，区位资源优势得天独厚。因此，是否位于城市的主中心区，是衡量一幢写字楼的档次和是否具有投资价值的首选要素。 2、写字楼的档次：随着社会经济的发展和各企业经济实力的不断增强，客户对写字楼的要求越来越高，写字楼已经成为企业身份的表征。特别是给人第一直观印象的外立面，作为建筑语言，不但是企业形象和实力的表现，还担任代表所在城市商务区标志性建筑的重要角色，更成了客户选择写字楼的重要参
分类算法小结
分类算法小结 学号：12013120116 李余芳 分类是数据挖掘中比较重要的一类，它的算法也有很多。在此，我将一些常用的算法做一个简单的小结。 一、决策树 决策树技术是用于分类和预测的主要技术，决策树学习是以实例为基础的归纳学习算法。它着眼于从一组无次序、无规则的事例中推理除决策树表示形式的分类规则。它采用自顶向下的递归方式，在决策树的内部节点进行属性值的比较并根据不同属性判断从该节点向下的分支，然后进行剪枝，最后在决策树的叶节点得到结论。所以从根到叶节点就对应着一条合取规则，整棵树就对应着一组析取表达式规则。树的每一个结点上使用信息增益度量选择测试属性。可以从生成的决策树中提取规则。。 优点： 1、易于理解和解释.人们在通过解释后有能力去理解决策树所表达的意义。 2、能够同时处理数据型和常规型属性。其他技术往往要求数据属性的单一。 3、易于通过静态测试来对模型进行评测。表示有可能测量该模型的可信度。 4、在相对短的时间内能够对大型数据源做出可行且效果良好的结果。 5、可以对有许多属性的数据集构造决策树。 6、决策树可很好地扩展到大型数据库中，它的大小独立于数据库的大小。 缺点： 1、对于各类别样本数量不一致的数据，在决策树中,信息增益的结果偏向于那些具有更多数值的特征。 2、决策树处理缺失数据时的困难。 3、过度拟合问题的出现。 4、忽略数据集中属性之间的相关性。 应用 1、决策树是用二叉树形图来表示处理逻辑的一种工具。可以直观、清晰地表
达加工的逻辑要求。特别适合于判断因素比较少、逻辑组合关系不复杂的情况。 2、决策树提供了一种展示类似在什么条件下会得到什么值这类规则的方法。比如，在贷款申请中，要对申请的风险大小做出判断。 3、决策树很擅长处理非数值型数据，这与神经网络只能处理数值型数据比起来，就免去了很多数据预处理工作等等。 二、K最近邻法(KNN） KNN法即K最近邻法，最初由Cover和Hart于1968年提出的，是一个理论上比较成熟的方法。该方法的思路非常简单直观：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。KNN方法虽然从原理上也依赖于极限定理，但在类别决策时，只与极少量的相邻样本有关。因此，采用这种方法可以较好地避免样本的不平衡问题。另外，由于KNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，KNN方法较其他方法更为适合。 优点： 1、简单、有效。 2、K最近邻算法是一种非参数的分类技术，在基于统计的模式识别中非常有效，并对未知和非正态分布可取得较高的分类准确率。 3、在类别决策时，只与极少量的相邻样本有关，可以较好地避免样本的不平衡问题。 4、该算法比较适用于样本容量比较大的类域的自动分类，而那些样本容量较小的类域采用这种算法比较容易产生误分。 缺点： 1、KNN算法是建立在VSM模型上的，其样本距离测度使用欧式距离。若各维权值相同，即认定各维对于分类的贡献度相同，显然这不符合实际情况。 2、KNN是懒散的分类算法，对于分类所需的计算均推迟至分类进行，故在其分
教育研究方法 一，教育研究概述 1)教育研究的类型：按照研究目的—基础研究（研究教育的事理，揭示教育活动本身所固 有的法则和规律，也成“纯研究”或“理论研究”）和应用研究（将基础研究所揭示的法则或规律运用于教育实践活动，以直接指导或改进教育实践活动，提高教育实践活动的有效性与合理性）； 按照分析方法—定性研究和定量研究 按照研究内容—价值研究（价值研究要回答的问题是因为什么，为谁，为什么目的，许诺什么，多大风险，应优先考虑什么等等。价值研究通过价值的确认与分析而直接面对价值问题）和事实研究（事实研究要回答的问题是：是什么，在什么时候，到什么程度等等。事实研究对事物、事件、关系和相互作用等等进行描述、观察、计数和测量） 2)教育研究的历史、现状和发展趋势【每一个时段的结点，方法特征和代表人物】 ●直观观察时期（古希腊—16BC）观察法为主，思维方式主要是归纳、演绎和类比； 初步运用辩证法和朴素的系统观；代表人物是亚里士多德 ●分析为主的方法论时期（17BC-19BC末20BC初）经验论（培根）、唯理论（笛卡尔） 和经验论与唯理论相结合（康德） ●形成独立学科时期（20世纪初—50年代）受社会科学影响较大；实用主义倾向明 显；心理学实验教育学兴起；代表人物是桑代克、拉伊和梅伊曼；比较教育学出现 ●现代教育研究方法的变革时期（20BC50年代至今）：受自然科学影响较大； 3)我国教育研究的现状以及问题：重思辨分析、轻实践和实验；重视定性研究、忽视定量 研究；方法比较单一，归纳和演绎仍然是主要方法；学科移植为主，基本上还没有形成教育学独特的方法论体系；借鉴国外为主，本土化程度仍然有待提高；多学科和跨学科合作研究不足； 4)教育研究主要发展趋势：方法日趋多样化和多学科化；定量研究和定性研究的结合；受 自然科学发展的影响越来越明显；跨学科和多学科教育研究趋势越来越突出；随着社会科学和教育学科自身的发展，新的研究方法会不断出现； 5)教育研究的基本原则：客观性原则；创新性原则；理论联系实际原则；伦理原则； 6)教育研究的一般过程：选题阶段（问题的提出与背景，研究假设的提出，研究的目的和 意义）--研究设计阶段（研究内容和对象的确定，抽样，方法的选择，指标选择，时间和经费安排--搜集资料阶段--整理与分析资料阶段--撰写研究报告阶段--总结与评价阶段（结论与优缺点分析） 7)教育研究方法的类型：理论方法【归纳，演绎，类比，分类，比较，分析，综合，概括】， 实证方法【观察，问卷，访谈，测量】，实验研究方法【前实验，准实验，真实验】和