摘 要： 數(shù)據(jù)挖掘是適應(yīng)信息社會從海量的數(shù)據(jù)庫中提取信息的需要而產(chǎn)生的新學科。它是統(tǒng)計學、機器學習、數(shù)據(jù)庫、模式識別、人工智能等學科的交叉。以往的數(shù)據(jù)挖掘技術(shù)的應(yīng)用大多是在金融領(lǐng)域，而在其他領(lǐng)域里面應(yīng)用不是很多，如在高校招生中的應(yīng)用更是如此。數(shù)據(jù)挖掘技術(shù)對招生工作的深層研究與挖掘?qū)玫礁鞲咝５母嘀匾暋Ｒ阅掣咝Ｕ猩鷶?shù)據(jù)作為招生信息為依據(jù)，對高校招生的關(guān)聯(lián)規(guī)則進行分析。從而對關(guān)聯(lián)性規(guī)則的應(yīng)用作進一步的研究。
關(guān)鍵詞： 關(guān)聯(lián)規(guī)則；Apriori算法；置信度；支持度；建模
1 民辦高校招生的現(xiàn)狀分析
招生工作一直是民辦學校最重要的工作，民辦學校在招生上的投入占一年總支出的很大部份，采用的招生方式也在不斷的更新，使用新方法，新模式。但同時也會發(fā)現(xiàn)，有些方式方法并不能解決招生問題，浪費了有限的資源，得不償失，主要表現(xiàn)在招生成本高、沒有嚴格的招生機制，宣傳模式單一等。歸根原因是沒有找到適合本校的招生方法與模式，而要能做到這一點，必須要對招生工作做一個詳細的研究，根據(jù)以住招生的情況，總結(jié)分析，找出問題所在點和發(fā)光點，為招生工作更好的方式提供有力的依據(jù)。
2 Apriori算法分析
2.1 挖掘關(guān)聯(lián)規(guī)則的主要步驟
步驟1：發(fā)現(xiàn)所有的頻繁集。項集的頻度至少應(yīng)等于（預(yù)先設(shè)置的）最小支持度。關(guān)聯(lián)規(guī)則的整個性能主要取決于這一步。
步驟2：根據(jù)所獲得的頻繁項集，產(chǎn)生相應(yīng)的強關(guān)聯(lián)規(guī)則。這些規(guī)則必須滿足最小置信度閾值。
2.2 Apriori算法
Apriori算法是挖掘產(chǎn)生關(guān)聯(lián)規(guī)則所需要的頻繁項集的基本算法，是數(shù)據(jù)挖掘領(lǐng)域里面常用的一種關(guān)聯(lián)規(guī)則挖掘算法。該算法利用一個層次順序搜索的循環(huán)方法來完成頻繁集的挖掘工作。這一循環(huán)方法就是利用（k-1）-項集來產(chǎn)生k-項集，具體的做法是首先找出頻繁集I-項集，記為L1；然后利用L1來挖掘產(chǎn)生L2，即頻繁2-項集，如此循環(huán)往返，直到無法發(fā)現(xiàn)更多的頻繁k-項集為止。在每一層挖掘產(chǎn)生Lk時，都需要對整個數(shù)據(jù)庫掃描一遍。Apriori算法利用Lk-1來生成Lk。
3.2 利用spss Clemention建模
利用spss Clemention工具建立模型，本例用2012年入學數(shù)據(jù)與2013年入學數(shù)據(jù)進行比較，得出兩年的地區(qū)與是否報到的關(guān)聯(lián)性分析，建模如圖3所示。
3.3 設(shè)置最低條件支持度，最小規(guī)則置信度，最大前項數(shù)
在2012年的數(shù)據(jù)中，設(shè)置最低條件支持度為8.0，最小規(guī)則置信度60.0%，最大前項數(shù)為5，得到的數(shù)據(jù)分析結(jié)果如圖4所示。
如果把2013的規(guī)則支持度和置信度設(shè)置和2012相同，結(jié)果如圖5所示。
3.4 地區(qū)與是否報到關(guān)聯(lián)規(guī)則結(jié)果分析
根據(jù)圖4和圖5進行比較，B（云南大理）和D（云南昭通）地區(qū)的學生報到是趨于正常的發(fā)展，在2013年招生中，A（云南昆明）、C（云南曲靖）和E（云南麗江）加大了招生宣傳，取得了非常明顯的效果，那么在2014年的招生宣傳中，還需要在A、C、E地區(qū)保持一定的宣傳投入，在B和D地區(qū)可以適當減少招生投入。
一個學校生源的多少決定了它規(guī)模及發(fā)展。特別是在民辦高校，“招生就是一切”，招生中不僅要數(shù)量、質(zhì)量也是發(fā)展的關(guān)鍵。民辦院校在不同的發(fā)展時期會有不同的發(fā)展策略，在不同的歷史時期院校也就有不同的招生策略及隊伍建設(shè)適應(yīng)發(fā)展的需求。因此，只有在清楚制定了院校發(fā)展戰(zhàn)略規(guī)劃后，才能順理成章地制定出院校人力資源需求、發(fā)展、策略、培訓、擴建和儲備計劃。充分把數(shù)據(jù)挖掘技術(shù)利用在招生工作中，將對個高校的招生工作提供決策支持，對高校的招生成本的整合具有深遠的意義。
參考文獻
[1] 趙祖應(yīng)，丁勇.基于Apriori算法的購物籃關(guān)聯(lián)規(guī)則分析[J].江西科學，2012（1）.
[2] 王嵩巖.基于數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則研究[J].吉林省經(jīng)濟管理干部學院學報，2008，22（1）：80-82.
[3] 朱建平，謝邦昌.數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則的提升及其應(yīng)用[J].統(tǒng)計研究，2004（12）：34-39.
[4] 姚俊.淺談關(guān)聯(lián)規(guī)則挖掘[J].信息技術(shù)，2005（6）.
[5] 劉柱文，李麗琳.關(guān)聯(lián)規(guī)則技術(shù)在數(shù)據(jù)挖掘中的應(yīng)用[J].科學技術(shù)與工程，2008（6）.
[6] 譚建豪，章兢.數(shù)據(jù)挖掘技術(shù)[M].北京：中國水利水電出版社，2009.
[7] 劉世平.數(shù)據(jù)挖掘技術(shù)與應(yīng)用[M].北京：高等教育出版社，2010.