基于数据仓库学生体质健康状况分析评价模型及其实现.docVIP

基于数据仓库的学生体质健康状况分析评价模型及其实现 扬州环境资源职业技术学院计算机科学与技术系 吴振慧 摘要 本论文对数据仓库、联机分析处理和模糊综合评价进行了研究。通过对《学生体质健康标准（试行方案）》的分析，提出了对学生的体质健康状况进行模糊综合评价的方法。结合数据仓库中的数据转移技术、多维建模技术设计了一个以体质健康测试成绩分析为主题的数据仓库，并在此基础上运用联机分析处理技术初步实现了一个学生体质健康数据分析系统。运用模糊综合评价方法建立了对学生的体质健康状况进行科学评价的模型。 关键词 数据仓库 联机分析处理 模糊评价 体质健康 一、引言 目前，我国对健康和增强体质十分重视，许多高等院校、中等学校，以及国民体质监测中心建立了体质信息管理数据库。这些著名的数据仓库专家W.H.Inmon在其著作《Building the Data Warehouse》一书中给予如下描述数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。对于数据仓库的概念我们可以从两个层次予以理解，首先，数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的操作型数据库其次，数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。联机分析处理 (Online Analytical ProcessingOLAP) 是一项允许用户分析大型数据库从而对其包含信息深入洞察的技术，其概念最早是由关系数据库之父E.F.Codd于1993年提出的OLAP是一类软件技术，它使分析人员、经理、管理人员通过对信息（这些信息从原始数据转换而来，反映了用户所能理解的企业的真实的“维”）的多种可能的观察角度进行快速、一致和交互性的存取，以获得对问题的深入理解。 OLAP的特性主要体现为多维性、快速性、分析性和信息性。 3.数据仓库、OLAP在MIS中的应用 为了解决MIS在分析与决策支持上的不足，近年来出现了以数据仓库技术为基础的决策支持系统，该方案包含了三个方面的内容。 （1）数据仓库技术（Data Warehouse，DW） （2）联机分析处理技术（On-Line Analytical Processing，OLAP） （3）数据挖掘技术（Data Mining，DM） DW、OLAP和DM最初是作为三种独立的信息处理技术出现的，它们可以分别应用到信息系统的设计和实现中。DW用于综合性的数据存储和组织；OLAP集中于数据的多维分析；DM则致力于知识的自动发现。 4.模糊综合评价 模糊综合评价是对受多种因素影响的事物作出全面评价的一种十分有效的多因素决策方法，其基本思想就是考虑与被评价事物相关的各个因素，应用模糊变换原理和最大隶属度原则进行综合评价。所以，模糊综合评价又称模糊综合决策或模糊多元决策。 模糊综合评价法的原始数学模型 （1）建立被评价对象的因素集U （2）建立评价集V （3）建立单因素模糊评价Ri，然后由各单因素评价向量得到模糊评价矩阵R （4）建立权重集A （5）综合评价 权重向量A与评价矩阵R的合成就是被评价对象的最终评价结果，即： B=AοR=（b1，b2，……bn） 三、《学生体质健康标准》（试行方案）介绍 《学生体质健康标准》（试行方案）是全国教育科学“十五”规划国家级重点课题《〈学生体质健康标准〉的研究》的重要成果，由教育部、国家体育总局共同组织、研制。 《学生体质健康标准》大学生测试项目 必测项目 选测试项目 备注 身高 体重 肺活量 台阶试验 ５０米跑 立定跳远 选测一项 坐位体前屈 握力 仰卧起坐（女） 选测一项 在进行评价时，对五项指标进行评价。身高标准体重、肺活量体重指数、台阶指数、５０米跑或立定跳远（选评一项）、握力体重指数或仰卧起坐（女生）或坐位体前屈（选评一项）。 在评价后，以１００分进行记分，各项评价分数的权重系数是，身高标准体重１５分，台阶指数２０分，肺活量体重指数１５分，５０米跑或立定跳远３０分，握力体重指数或仰卧起坐（女生）或坐位体前屈２０分。 在《学生体质健康标准（试行方案）》实施办法中规定：总分达86分以上为优秀，76-85分为良好，60-75分为及格，59分以下为不及格。达到良好等级以上者，方可评为三好学生、获奖学金，达到优秀成绩者，方可获奖学分；学生毕业时，《标准》成绩达到60分为及格，准予毕业。《标准》成绩不及格者，高等学校按肄业处理。 四、学生体质健康状况分析评价模型 一般来说，对学生的体质健康状况进行分析与评价的最终用户是各级体育运动管理者或体育科研工作人员，他们大多并不关心测试的数据细节本身，而是隐藏在这些细节数据中的有用信息。如：不同时期学生的体质健康状