《表2 强关联课程和目标课程》
然后,在数据预处理基础上选取17门专业课程作为分析对象(见表2).运用Apriori算法对这些课程进行关联分析,按支持度高低进行排列,同时取前5门置信较度的课程作为关联课程,相关结果见表2.在考虑开课时间顺序的基础上,选取三组课程做绩点预测分析.课程组一:高等代数2、概率统计、运筹学、常微分方程和复变函数作为训练输入,数学模型作为目标输出.课程组二:复变函数、数学分析3、概率统计、大学物理和常微分方程作为训练输入,数值方法作为目标输出.课程组三:数据结构、数学分析1、高等代数2、程序设计和常微分方程作为训练输入,数值方法作为目标输出.注意到课程组二和课程组三的目标输出课程都是数值方法,不同的是:对于课程组二的训练输入课程,仅通过绩点的关联性强度高低来选取;对于课程组三的训练输入课程,不但要考虑绩点的关联性强度还要结合专业知识网络、所在课程社团以及知识之间关联程度.
图表编号 | XD0055375500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.25 |
作者 | 林运国、曾海滨、张云帆、温永仙 |
绘制单位 | 福建农林大学计算机与信息学院、福建农林大学教务处、福建农林大学教务处、福建农林大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |