基于决策树分类技术的学生考试成绩统计分析系统

doi:10.13229/j.cnki.jdxbgxb20210455

摘要/Abstract

摘要：

为改善以往过于依赖人工统计分析学生考试成绩，无法挖掘成绩中所蕴含有用信息的缺陷，设计了基于决策树分类技术的学生考试成绩统计分析系统。系统的数据层利用SQL Sercer2000数据库存储系统运行过程中全部数据；业务逻辑应用层从数据层采集学生考试成绩数据后处理相关业务功能逻辑，采用决策树C4.5分类技术实现海量学生考试成绩精准分类，决策树C4.5分类技术基于信息增益率选取分类属性，采用后剪枝方法处理数据提升数据分类精度；业务逻辑层的成绩统计分析结果利用WEB服务器通过浏览器应用层传送至用户。选取某医学院研究生作为系统测试对象，系统测试结果表明：所设计系统可依据用户需求统计分析不同专业人员考试成绩，且噪声情况下仍具有较高的统计分析能力。

关键词: 计算机应用, 决策树分类, 学生考试成绩, 统计分析, 系统设计

Abstract:

In order to improve the defect of relying too much on manual statistical analysis of students' examination results and unable to mine the useful information contained in the results， a statistical analysis system of students' examination results based on decision tree classification technology is designed. The data layer of the system uses SQL Server 2000 database to store all the data during the operation of the system； The application layer of business logic collects the data of students' test scores from the data layer and processes the relevant business function logic. The C4.5 Classification Technology of decision tree is used to realize the accurate classification of massive students' test scores. The C4.5 Classification Technology of decision tree selects the classification attributes based on the information gain rate and uses the post pruning method to process the data to improve the data classification accuracy； The statistical analysis results of the business logic layer are transmitted to the users through the browser application layer using the web server. The system test results show that the designed system can statistically analyze the examination results of different professionals according to the user needs， and still has high statistical analysis accuracy in the case of noise.

Key words: computer application, decision tree classification, student test results, statistics analysis, system design

中图分类号:

TP391

孙小雪,钟辉,陈海鹏. 基于决策树分类技术的学生考试成绩统计分析系统[J]. 吉林大学学报(工学版), 2021, 51(5): 1866-1872.

Xiao-xue SUN,Hui ZHONG,Hai-peng CHEN. Statistical analysis system for students' examination results based on decision tree classification technology[J]. Journal of Jilin University(Engineering and Technology Edition), 2021, 51(5): 1866-1872.

图/表 9

图1

图2

图3

表1

表2

图4

表3

图5

图6

参考文献 21

1	刘振宇, 宋晓莹. 一种可用于分类型属性数据的多变量决策树算法[J]. 东北大学学报: 自然科学版, 2020, 41(11): 1521-1527.
	Liu Zhen-yu, Song Xiao-ying. An applicable multivariate decision tree algorithm for categorical attribute data[J]. Journal of Northeastern University(Natural Science), 2020, 41(11): 1521-1527.
2	崔文泉, 黄禹侨. 高维数据情形下的一种基于随机投影的集成分类方法[J]. 中国科学技术大学学报, 2019, 49(12): 974-984.
	Cui Wen-quan, Huang Yu-qiao. A new random projection-based ensemble classifier for high-dimensional data[J]. Journal of University of Science and Technology of China, 2019, 49(12): 974-984.
3	刘通. 5G D2D网络中基于机器学习的中继选择策略[J]. 中国电子科学研究院学报, 2019, 14(10): 1016-1021.
	Liu Tong. Relay selection strategy based on machine learning in 5G D2D network[J]. Journal of China Academy of Electronics and Information Technology, 2019, 14(10): 1016-1021.
4	王文霞. 数据挖掘中改进的C4.5决策树分类算法[J]. 吉林大学学报: 理学版, 2017, 55(5):1274-1277.
	Wang Wen-xia. Improved c4.5decision tree classification algorithm in data mining[J]. Journal of Jilin University(Science Edition), 2017, 55(5):1274-1277.
5	杨勇, 张磊, 曲福恒, 等. 基于最频繁项提取和候选集剪枝的THIMFUP算法[J]. 吉林大学学报: 理学版, 2021, 59(3): 635-642.
	Yang Yong, Zhang Lei, Qu Fu-heng, et al. THIMFUP algorithm based on the most frequent item extraction and candidate set pruning[J]. Journal of Jilin University(Science Edition), 2021, 59(3): 635-642.
6	赵宏, 常兆斌, 王伟杰. 基于深度自编码和决策树的恶意域名检测[J]. 微电子学与计算机, 2020, 37(5): 13-17.
	Zhao Hong, Chang Zhao-bin, Wang Wei-jie. Malicious domain name detection based on deep auto-encoder and decision tree[J]. Microelectronics & Computer, 2020, 37(5): 13-17.
7	张旭, 周新志, 赵成萍, 等. 基于犹豫模糊决策树的非均衡数据分类[J]. 计算机工程, 2019, 45(8): 75-79, 91.
	Zhang Xu, Zhou Xin-zhi, Zhao Cheng-ping, et al. Unbalanced data classification based on hesitant fuzzy decision tree[J]. Computer Engineering, 2019, 45(8): 75-79, 91.
8	颜晓佳, 张胜. 基于Excel软件的成绩管理系统设计与开发[J]. 教学与管理(中文版), 2020(3): 15-17.
9	王平, 鲜亮. 大学生学习成绩分析及相应的差异教学策略[J]. 化学教育, 2019, 40(24): 16-23.
	Wang Ping, Xian Liang. Research of college students' academic achievements and corresponding difference teaching strategies[J]. Chinese Journal of Chemical Education, 2019, 40(24): 16-23.
10	郭慧, 刘忠宝, 柳欣. 基于云模型与决策树的入侵检测方法[J]. 计算机工程, 2019, 45(4): 142-147.
	Guo Hui, Liu Zhong-bao, Liu Xin. Intrusion detection method based on cloud model and decision tree[J]. Computer Engineering, 2019, 45(4): 142-147.
11	邓蔚,陈秀婷,张清华,等.基于树模型的差分隐私保护算法[J].重庆邮电大学学报:自然科学版,2020,32(5):848-849.
	Deng Wei, Chen Xiu-ting, Zhang Qing-hua, et al. Differential privacy protection algorithms based on tree models[J]. Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition), 2020,32(5):848-849.
12	余敦辉, 张笑笑, 付聪, 等. 基于决策树的敏感词变形体识别算法研究及应用[J]. 计算机应用研究, 2020, 37(5): 1395-1399, 1405.
	Yu Dun-hui, Zhang Xiao-xiao, Fu Cong, et al. Research and application of change form of sensitive words recognition algorithm based on decision tree[J]. Application Research of Computers, 2020, 37(5): 1395-1399, 1405.
13	高宁化, 王姮, 冯兴华. 基于动态模糊决策树的心电信号分类方法[J]. 计算机工程, 2020, 46(1): 80-86.
	Gao Ning-hua, Wang Heng, Feng Xing-hua. Classification method of electrocardiogram signals based on dynamic fuzzy decision tree[J]. Computer Engineering, 2020, 46(1): 80-86.
14	柳春艳, 李丹, 张宝仁, 等. SPOC翻转课堂教学有效性的系统评价与元分析[J]. 开放教育研究, 2019, 25(1): 36,82-91.
	Liu Chun-yan, Li Dan, Zhang Bao-ren, et al. Teaching effectiveness of SPOC flipped classroom in college: a systematic review and meta-analysis[J]. Education Research, 2019, 25(1): 36,82-91.
15	谭常春, 李曼丽. 面板数据均值共同变点分析在高校在校成绩上的应用[J]. 合肥工业大学学报: 自然科学版, 2020, 43(6): 855-858.
	Tan Chang-chun, Li Man-li. Application of common mean breaks analysis of panel data in college performance[J]. Journal of Hefei University of Technology(Natural Science), 2020, 43(6): 855-858.
16	郭鹏, 蔡骋. 基于聚类和关联算法的学生成绩挖掘与分析[J]. 计算机工程与应用, 2019, 55(17): 169-179.
	Guo Peng, Cai Cheng. Data mining and analysis of students' score based on clustering and association algorithm[J]. Computer Engineering and Applications, 2019, 55(17): 169-179.
17	王少卿, 焦艳. 高中化学教师资格考试大纲中动词的统计与分析[J]. 化学教育, 2019, 40(9): 70-74.
	Wang Shao-qing, Jiao Yan. Statistics and analysis of verbs in outline of senior high school chemistry teacher qualification examination[J]. Chinese Journal of Chemical Education, 2019, 40(9): 70-74.
18	朵琳, 杨丙. 基于概念格的稀疏数据协同过滤校正自然噪声方法[J]. 吉林大学学报: 理学版, 2020, 58(5): 1173-1180.
	Duo Lin, Yang Bing. Collaborative filtering correction of natural noise method of sparse data based on concept lattice[J]. Journal of Jilin University(Science Edition), 2020, 58(5): 1173-1180.
19	段亚军, 杨有龙, 白旭英. 基于模糊规则的随机缺失属性值数据分类算法[J]. 吉林大学学报: 理学版, 2019, 57(1): 89-96.
	Duan Ya-jun, Yang You-long, Bai Xu-ying. Classification algorithm of random missing attribute value data based on fuzzy rule[J]. Journal of Jilin University(Science Edition), 2019, 57(1): 89-96.
20	王雅超. 基于大数据分析的散乱缺损信息无损恢复方法[J]. 吉林大学学报: 理学版, 2020, 58(3): 645-650.
	Wang Ya-chao. Lossless restoration method of scattered defect information based on big data analysis [J]. Journal of Jilin University(Science Edition), 2020, 58(3): 645-650.
21	殷君茹, 侯瑞霞, 唐小明, 等. 基于瓦片金字塔模型的海量空间数据快速分发方法[J]. 吉林大学学报: 理学版, 2015, 53(6): 1269-1274.
	Yin Jun-ru, Hou Rui-xia, Tang Xiao-ming, et al. Fast distribution method for large data set of spatial data based on tiles pyramid model[J]. Journal of Jilin University(Science Edition), 2015, 53(6):1269-1274.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

序号	专业名称	考试人数/人	考试年级
1	超声医学科	13	2018
2	儿科	3	2018
3	耳鼻咽喉科	3	2018
4	放射科	18	2018
5	放射肿瘤科	5	2018
6	妇产科	7	2018
7	骨科	44	2018
8	核医学科	2	2018
9	急诊科	2	2018
10	检验医学科	1	2018
11	口腔全科	3	2018
12	麻醉科	15	2018
13	内科	52	2018
14	皮肤科	3	2018
15	神经内科	22	2018
16	外科	70	2018
17	眼科	2	2018

序号	专业名称	信息熵	信息增益率
1	超声医学科	0.958	0.008
2	儿科	0.946	0.012
3	耳鼻咽喉科	0.975	0.008
4	放射科	0.962	0.006
5	放射肿瘤科	0.945	0.007
6	妇产科	0.985	0.012
7	骨科	0.946	0.015
8	核医学科	0.925	0.012
9	急诊科	0.985	0.012
10	检验医学科	0.974	0.014
11	口腔全科	0.968	0.009
12	麻醉科	0.974	0.008
13	内科	0.985	0.007
14	皮肤科	0.946	0.012
15	神经内科	0.975	0.019
16	外科	0.968	0.015
17	眼科	0.978	0.017

序号	专业名称	平均分	最高分	最低分	不及格人数/人
1	超声医学科	83.46	96	75	0
2	儿科	88.67	92	86	0
3	耳鼻咽喉科	76.67	81	73	0
4	放射科	48.67	90	0	7
5	放射肿瘤科	70.40	89	60	0
6	妇产科	71.64	89	60	0
7	骨科	55.64	93	0	14
8	核医学科	82.00	82	82	0
9	急诊科	69.00	72	66	0
10	检验医学科	89.00	89	89	0
11	口腔全科	47.00	71	0	1
12	麻醉科	74.40	94	0	0
13	内科	62.25	86	0	10
14	皮肤科	77.00	97	63	0
15	神经内科	75.77	85	0	1
16	外科	69.90	89	0	4
17	眼科	33.50	67	0	1

[1]	曹洁,屈雪,李晓旭. 基于滑动特征向量的小样本图像分类方法[J]. 吉林大学学报(工学版), 2021, 51(5): 1785-1791.
[2]	张萌谡,刘春天,李希今,黄永平. 基于K⁃means聚类算法的绩效考核模糊综合评价系统设计[J]. 吉林大学学报(工学版), 2021, 51(5): 1851-1856.
[3]	姚引娣,贺军瑾,李杨莉,谢荡远,李英. 自构建改进型鲸鱼优化BP神经网络的ET₀模拟计算[J]. 吉林大学学报(工学版), 2021, 51(5): 1798-1807.
[4]	赵宏伟,张子健,李蛟,张媛,胡黄水,臧雪柏. 基于查询树的双向分段防碰撞算法[J]. 吉林大学学报(工学版), 2021, 51(5): 1830-1837.
[5]	王春波,底晓强. 基于标签分类的云数据完整性验证审计方案[J]. 吉林大学学报(工学版), 2021, 51(4): 1364-1369.
[6]	欧阳丹彤,刘扬,刘杰. 故障响应指导下基于测试集的故障诊断方法[J]. 吉林大学学报(工学版), 2021, 51(3): 1017-1025.
[7]	钱榕,张茹,张克君,金鑫,葛诗靓,江晟. 融合全局和局部特征的胶囊图神经网络[J]. 吉林大学学报(工学版), 2021, 51(3): 1048-1054.
[8]	朱小龙,谢忠. 基于机器学习的地理空间数据抽取算法[J]. 吉林大学学报(工学版), 2021, 51(3): 1011-1016.
[9]	孙宝凤,任欣欣,郑再思,李国一. 考虑工人负荷的多目标流水车间优化调度[J]. 吉林大学学报(工学版), 2021, 51(3): 900-909.
[10]	刘元宁,吴迪,朱晓冬,张齐贤,李双双,郭书君,王超. 基于YOLOv3改进的用户界面组件检测算法[J]. 吉林大学学报(工学版), 2021, 51(3): 1026-1033.
[11]	陈广秋,陈昱存,李佳悦,刘广文. 基于DNST和卷积稀疏表示的红外与可见光图像融合[J]. 吉林大学学报(工学版), 2021, 51(3): 996-1010.
[12]	王淑敏,陈伟. 基于连续密度隐马尔可夫模型的矿下异常行为识别算法[J]. 吉林大学学报(工学版), 2021, 51(3): 1067-1072.
[13]	沈淑涛,尼玛扎西. 基于区块链技术的双混沌可识篡改图像加密方法[J]. 吉林大学学报(工学版), 2021, 51(3): 1055-1059.
[14]	周炳海,何朝旭. 基于静态半成套策略的多目标准时化物料配送调度[J]. 吉林大学学报(工学版), 2021, 51(3): 910-916.
[15]	顾天奇,胡晨捷,涂毅,林述温. 基于移动最小二乘法的稳健重构方法[J]. 吉林大学学报(工学版), 2021, 51(2): 685-691.