数据库设计毕业论文

数据库设计毕业论文（精选8篇）

数据库设计毕业论文 篇1

数据挖掘技术综述

数据挖掘（Data Mining）是一项较新的数据库技术，它基于由日常积累的大量数据所构成的数据库，从中发现潜在的、有价值的信息——称为知识，用于支持决策。数据挖掘是一项数据库应用技术，本文首先对数据挖掘进行概述，阐明什么是数据挖掘，数据挖掘的技术是什么，然后介绍数据挖掘的常用技术，数据挖掘的主要过程, 如何进行数据挖掘,主要应用领域以及国内外现状分析。

一.研究背景及意义

近十几年来，随着数据库系统的广泛流行以及计算机技术的快速发展，人们利用信息技术生产和搜集数据的能力大幅度提高。千万个数据库被用于商业管理、政府办公、科学研究和工程开发等，特别是网络系统的流行，使得信息爆炸性增长。这一趋势将持续发展下去。大量信息在给人们带来方便的同时也带来了一大堆的问题：第一是信息过量，难以消化；第二是信息真假难以辨认；第三是信息安全难以保证；第四是信息形式不一致，难以统一处理。面对这种状况，一个新的挑战被提出来：如何才能不被信息的汪洋大海所淹没，从中及时发现有用的知识，提高信息利用率呢？这时出现了新的技术——数据挖掘（Data Mining）技术便应用而生了。

面对海量的存储数据，如何从中发现有价值的信息或知识，成为一项非常艰巨的任务。数据挖掘就是为迎合这种要求而产生并迅速发展起来的。数据挖掘研究的目的主要是发现知识、使数据可视化、纠正数据。

二.概述

1，数据挖掘

数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。这些数据可以是结构化的,如关系数据库中的数据，也可以是半结构化的，如文本，图形，图像数据，甚至是分布在网络上的异构型数据。发现知识的方法可以是数学的，也可以是非数学的，可以是演绎的，也可以是归纳的。发现了的知识可以被用于信息管理、查询优化、决策支持、过程控制等，还可以进行数据自身的维护。数据挖掘借助了多年来数理统计技术和人工智能以及知识工程等领域的研究成果构建自己的理论体系，是一个交叉学科领域，可以集成数据数据库、人工智能、数理统计、可视化、并行计算等技术。2，数据挖掘技术

数据挖掘就是对观测到的数据集进行分析，目的是发现未知的关系和以数据拥有者可以理解并对其有价值的新颖方式来总结数据。它利用各种分析方法和分析工具在大规模海量数据中建立模型和发现数据间关系的过程，这些模型和关系可以用来做出决策和预测。

数据挖掘的过程就是知识发现的过程，其所能发现的知识有如下几种：广义型知识，反映同类事物共同性质的知识；特征型知识，反映事物各方面的特征知识；差异型知识，反映不同事物之间属性差别的知识；关联型知识，反映事物之间依赖或关联的知识；预测型知识，根据历史的和当前的数据推测未来数据；偏离型知识，揭示事物偏离常规的异常现象。所有这些知识都可以在不同的概念层次上被发现，随着概念树的提升，从微观到中观再到宏观，以满足不同用户、不同层次决策的需要。

数据挖掘是涉及数据库、人工智能、数理统计、机械学、人工神经网络、可视化、并行计算等的交叉学科，是目前国际上数据库和决策支持领域的最前沿的研究方向之一。

3，数据挖掘的功能

数据挖掘通过预测未来趋势及行为，做出预测性的、基于知识的决策。数据挖掘的目标是从数据库中发现隐含的、有意义的知识，按其功能可分为以 下几类。

3.1 关联分析（Association Analysis）

关联分析能寻找到数据库中大量数据的相关联系，常用的一种技术为关联规则和序列模式。关联规则是发现一个事物与其他事物间的相互关联性或相互依赖性。

3.2 聚类

输入的数据并无任何类型标记，聚类就是按一定的规则将数据划分为合理的集合，即将对象分组为多个类或簇，使得在同一个簇中的对象之间具有较高的相似度，而在不同簇中的对象差别很大。聚类增强了人们对客观现实的认识，是概念描述和偏差分析的先决条件。聚类技术主要包括传统的模式识别方法和数学分类学。

3.3 自动预测趋势和行为

数据挖掘自动在大型数据库中进行分类和预测，寻找预测性信息，自动地提出描述重要数据类的模型或预测未来的数据趋势，这样以往需要进行大量手工分析的问题如今可以迅速直接由数据本身得出结论。

3.4 概念描述

对于数据库中庞杂的数据，人们期望以简洁的描述形式来描述汇集的数据集。概念描述就是对某类对象的内涵进行描述并概括出这类对象的有关特征。概念描述分为特征性描述和区别性描述，前者描述某类对象的共同特征，后者描述不同类对象之间的区别。生成一个类的特征性只涉及该类对象中所有对象的共性。生成区别性描述的方法很多，如决策树方法、遗传算法等。

3.5 偏差检测

数据库中的数据常有一些异常记录，从数据库中检测这些偏差很有意义。偏差包括很多潜在的知识，如分类中的反常实例、不满足规则的特例、观测结果与模型预测值的偏差、量值随时间的变化等。偏差检测的基本方法是寻找观测结果与参照值之间有意义的差别。这常用于金融银行业中检测欺诈行为，或市场分析中分析特殊消费者的消费习惯。

三．目前的研究现状及存在的主要问题

自KDD一词首次出现在1989年8月举行的第11届国际联合人工智能学术会议以来。迄今为止,由美国人工智能协会主办的KDD国际研讨会已经召开了13次,规模由原来的专题讨论会发展到国际学术大会,人数由二三十人到超过千人,论文收录数量也迅速增加,研究重点也从发现方法逐渐转向系统应用直到转向大规模综合系统的开发,并且注重多种发现策略和技术的集成,以及多种学科之间的相互渗透。其他内容的专题会议也把数据挖掘和知识发现列为议题之一,成为当前计算机科学界的一大热点。

与国外相比，国内对DMKD的研究稍晚，没有形成整体力量。1993年国家自然科学基金首次支持我们对该领域的研究项目。目前，国内的许多科研单位和高等院校竞相开展知识发现的基础理论及其应用研究，这些单位包括清华大学、中科院计算技术研究所、空军第三研究所、海军装备论证中心等。其中，北京系统工程

研究所对模糊方法在知识发现中的应用进行了较深入的研究，北京大学也在开展对数据立方体代数的研究，华中理工大学、复旦大学、浙江大学、中国科技大学、中科院数学研究所、吉林大学等单位开展了对关联规则开采算法的优化和改造；南京大学、四川联合大学和上海交通大学等单位探讨、研究了非结构化数据的知识发现以及Web数据挖掘。

四.研究内容

1，数据挖掘的过程

数据挖掘是指一个完整的过程，该过程从大型数据库中挖掘先前未知的、有效的、可实用的信息，并使用这些信息做出决策或丰富知识。

数据挖掘的一般过程如下流程图所示：

图1，数据掘的一般过程

2.1 神经网络

神经网络方法是模拟人脑神经元结构，以MP模型和Hebb学习规则为基础。它主要有三种神经网络模型：前馈式网络、反馈式网络、自组织网络。为

2.2决策树

决策树学习着眼于从一组无次序、无规则的事中推理出决策树表示形式的分类规则。它采用自顶向下的递归方式，在决策树的内部结点进行属性值的比较并根据不同的属性值判断从该结点向下的分支，在决策树的叶结点得到结论。

2.3 遗传算法

遗传算法是一种优化技术，是模拟生物进化过程的算法。基于进化理论，并采用遗传结合、遗传变异以及自然选择等设计方法。由三个基本算子组成：繁殖、交叉、变异。

2.4 传统统计分析

这类技术建立在传统的数理统计的基础上。在数据库字段项之间存在两种关系：函数关系（能用函数公式表示的确定性关系）和相关关系（不能用函数公式表示，但仍是相关确定性关系），对它们的分析可采用判别分析、因子分析、相关分析、多元回归分

析及偏最小二乘回归方法等。

2.5 关联规则

关联规则是发现一个事物与其他事物间的相互关联性或相互依赖性。关联规则是展示属性: 值频繁地在给定数据集中一起出现的条件，是数据挖掘中作用比较广泛的知识之一。

2.6 可视化技术

可视化技术是利用计算机图形学和图像技术，将数据转换成图形或图像在屏幕上显示出来，并进行交互处理的理论、方法和技术。可视化数据挖掘技术将可视化有机地融合到数

据挖掘之中，使用户对于数据挖掘有一个更加直接直观清晰的了解，提供让用户有效、主动参与数据挖掘过程的方法。

3，数据挖掘的应用领域

数据挖掘技术从一开始就是面向应用的。它不仅是面向特定数据库的简单检索查询调用，而且要对这些数据进行微观、中观乃至宏观的统计，分析，综合和推理，以指导实际问题的求解，企图发现事件间的相互关联，甚至利用已有的数据对未来的活动

进行预测。

一般Data Mining较长被应用的领域包括金融业、保险业、零售业、直效行销业、通讯业、制造业以及医疗服务业等。更广义的说法是：数据挖掘意味着在一些事实或观察数据的集合中寻找模式的决策支持过程。

4，数据挖掘的发展方向

目前，数据挖掘的研究方面主要有：数据库知识发现方面，将知识发现（KDD）与数据库系统、数据仓库系统和Web数据库系统紧密结合，力图充分利用Web中的丰富资源；机器学习方面，进一步研究知识发现方法，希望克服现存算法的计算性瓶颈，如注重对Bayes（贝叶斯）方法以及Boosting算法的研究和提高；统计领域，加大传统统计方法在数据挖掘中的应用。数据挖掘研究正蓬勃开展，在今后还会掀起更大的波澜，其研究焦点集中到以下几个方面：研究专门用于知识发现的数据挖掘语言，也许会像SQL语言一样走向形式化和标准化；寻求数据挖掘过程中的可视化方法，使得知识发现的过程能够被用户理解，也便于在知识发现过程中的人机交互；研究在网络环境下的数据挖掘技术，特别是在Internet上建立数据挖掘服务器，与数据库服务器配合，实现数据挖掘；加强对各种非结构化数据的挖掘，如文本数据、图形图像数据、多媒体数据。

5，数据挖掘的新技术

Web数据挖掘技术首要解决半结构化数据源模型和半结构化数据模型的查询与集成问题。这就必须要有一个模型来清晰地描述Web上的数据，而寻找一个半结构化的数据模型是解决问题的关键所在。除此之外，还需要一种半结构化模型抽取技术，即自动地从现有数据中抽取半结构化模型的技术。

XML可看作一种半结构化的数据模型，可以很容易地将XML的文档描述与关系数据库中的属性对应起来，实施精确地查询与模型抽取。利用XML.Web设计人员不仅能创建文字和图形，而且还能构建文档类型定义的多层次、相互依存的系统、数据树、元数据、超链接结构和样式表。

6，数据挖掘面临的问题和挑战

虽然数据挖掘技术已经在各方面都得到了广泛的应用，但数据挖掘技术的研究还不够成熟，在应用上有很大的局限性。正是这些局限性，促使数据挖掘技术进一步的发展：

（1）挖掘的对象 数据库更大，维数更高，属性之间更复杂，数据挖掘处理的数据通

常十分巨大。

（2）数据丢失问题 因大部分数据库不是为知识发现而定做的，那么它就有可能会存在一些重要的数据和属性丢失的问题。

（3）多种形式的输入数据 目前数据挖掘工具能处理的数据形式有限，一般只能处理数值型的结构化数据。

（4）网络与分布式环境的KDD问题 随网络的发展，资源的丰富，技术人员各自独立处理分离数据库的工作方式应是可协作的。

五.研究达到的预期结果

系统的介绍数据挖掘技术，使更多的研究人员在数据库中发现有用的，有潜在价

值的数据知识。

六.小结

通过各方面资料的查找，理解了基本的数据挖掘概念、数据挖掘技术、数据挖掘的实际应用及国内外现状。在论文中将对数据挖掘的概念以及发展概况进行介绍，并总结数据挖掘中使用的技术，主要结合当前的研究成果，分析了数据挖掘领域的。研究领域方面,可能主要集中在网络信息中的主要应用。

七.毕业论文进程安排

序号 论文各阶段安排内容 日期资料调研及方案设计 1.4-1.10数据挖掘的概论研究 1.11-1.25数据挖掘常用技术研究 1.26-2.15数据挖掘的应用研究 2.15-3.1（中期检查）数据挖掘的新技术研究 3.1-3.10数据挖掘的发展方向 3.11-3.16撰写论文 3.16-4.10论文修改 4.11-4.30准备答辩，交老师审阅 5.1-5.5毕业论文答辩 5.6-?

数据库设计毕业论文 篇2

毕业生就业数据库,是报请上级教育主管部门开具毕业生就业报到证的重要材料,也是高校毕业生就业工作的重要组成部分和关键环节。毕业生就业数据库编制工作量大,时间紧,任务重,要求高。一般就业工作人员直接在EXCEL中编制就业数据库,运用复制、粘贴的常规方法填写相关数据及代码,工作量大,费时费力,容易出错。因此,每年六月上中旬,高校毕业生就业工作部门为编制就业数据库忙得不可开交,弄得焦头烂额。而运用计算机编程实现就业数据库编制只有平琦[1],刘顺[2]等有过探索,却都仅涉及安徽籍未就业学生派遣单位的编程,远远不能满足要求。笔者经过探索,完成了包括全国各省市未就业学生派遣单位及档案转寄地址在内的就业数据库编程,可真正快速编制毕业生就业数据库,减少繁琐的重复劳动,大大提高工作效率。

二、快速编制就业数据库的方法

1、就业数据库表结构

教育行政主管部门对毕业生就业数据库中各个字段的名称、类型、宽度有统一的规定,2010年四川省高校毕业生就业数据库字段结构共有考生号(KSH)等二十个字段。

实际上,在制作派遣方案时,毕业生档案转寄地址也是一个极为重要的项目,为了生成未就业毕业生档案转寄地址,特在就业数据库中增设一个字段,其数据项名称、字段名、类型、宽度分别为档案转寄地址、DANGANDZ、字符型、80。另外,为了区分师范类与非师范类,在就业数据库中增设一个数据项名称、字段名、类型、宽度分别为师范否、SFS、字符型、2。

就业数据表二十多个字段中的某些字段如姓名、专业、定向或委培单位、电子信箱等数据只能根据实际情况填写,考生号、院校名称、院校代码、院校所在地代码、院校隶属部门代码、性别代码、培养方式代码、派遣报到证号等字段的填写在EXCEL中也容易实现,本文编程不予考虑。本文只对填写难度大的专业代码、生源所在地代码、单位所在地代码、单位名称、备注、档案转寄地址等字段填写进行编程。

根据2010年四川普通高校毕业生就业数据表结构的要求,结合生源数据库在Visual Foxpro中建好就业表(jiuye.dbf),填写好毕业生姓名、性别、专业、生源地等基本信息。编程涉及的代码库主要有专业代码库(zydm.dbf)、行政区划代码库(xzqhdm.dbf)等。由于就业数据表中生源所在地与单位所在地的填写方式不一样(生源地只填写地市州名称,单位所在地可能填写到区县),为了能利用行政区划代码库能同时生成生源所在地代码与单位所在地代码,需将省教育厅提供的行政区划代码库稍作修改,把原xzqh(行政区划)字段更名为dwszd(单位所在地),另外增加字段syszd(生源所在地),syszd字段中的内容基本与

dwszd相同,但是syszd中的行政区划名称中去掉各省、自治区的名字。

2、编程方法

打开就业表(jiuye.dbf),用MODI COMMAND JIUYE命令新建JIUYE.PRG程序文件,在代码窗口编程如下:

*生成专业代码*

sele 1

use zydm

inde on zy to c

sele 2

use jiuye

inde on zy to d

do whil.not.eof()

set relation to zy into a

replace zydm with a->zydm

skip

enddo

close all

dele file*.idx

*生成生源所在地代码*

sele 1

use xzqhdm

inde on syszd to c

sele 2

use jiuye

inde on syszd to d

do whil.not.eof()

set relation to syszd into a

replace syszddm with a->xzqhdm

skip

enddo

close all

dele file*.idx

*生成未就业学生(dwhwpdw字段为空)单位所在地代码与单位所在地*

use jiuye

replace all dwszddm with syszddm for dwhwpdw=""

sele 1

use xzqhdm

inde on dwszddm to c

sele 2

use jiuye

inde on dwszddm to d

do whil.not.eof()

set relation to dwszddm into a

replace dwszd with a->dwszd

skip

enddo

close all

dele file*.idx

*生成未就业毕业生派遣单位*

use jiuye

*四川:成都泸州绵阳广元遂宁内江广安巴中凉山州等九地市师范类毕业生派遣到教育局,非师范类派到人事局,其他地市全部派到人事局(其他省市不再详细说明)*

replace all dwmc with syszd-"人事局"for(dwhwpdw=""and(subs(syszddm,1,4)="5104"or subs(syszddm,1,4)="5104"or subs(syszddm,1,4)="5106"or

subs(syszddm,1,4)="5111"or subs(syszddm,1,4)="5113"or subs(syszddm,1,4)="5114"or subs(syszddm,1,4)="5115"or subs(syszddm,1,4)="5117"or subs(syszddm,1,4)="5118"or subs(syszddm,1,4)="5120"or subs(syszddm,1,4)="5132"or subs(syszddm,1,4)="5133"or subs(syszddm,1,4)="5103"))

replace all dwmc with syszd-"人事局"for(dwhwpdw=""and sff="否"

and(subs(syszddm,1,4)="5101"or subs(syszddm,1,4)="5105"or subs(syszddm,1,4)="5107"or subs(syszddm,1,4)="5108"or subs(syszddm,1,4)="5109"or subs(syszddm,1,4)="5110"or subs(syszddm,1,4)="5116"or subs(syszddm,1,4)="5119"

or subs(syszddm,1,4)="5134"))

replace all dwmc with syszd-"教育局"for(dwhwpdw=""and sff="是"

and(subs(syszddm,1,4)="5101"or subs(syszddm,1,4)="5105"or subs(syszddm,1,4)="5107"or subs(syszddm,1,4)="5108"or subs(syszddm,1,4)="5109"or subs(syszddm,1,4)="5110"or subs(syszddm,1,4)="5116"or subs(syszddm,1,4)="5119"

or subs(syszddm,1,4)="5134"))

*北京江苏广东广西青海宁夏湖南山西贵州天津上海吉林江西河南海南*

replace all dwmc with dwszd-"人事局"for(dwhwpdw=""and(subs(syszddm,1,2)="11"or subs(syszddm,1,2)="32"or subs(syszddm,1,2)="44"or subs(syszddm,1,4)="63"or subs(syszddm,1,4)="64"or subs(syszddm,1,2)="45"))

replace all dwmc with dwszd-"教育局"for(dwhwpdw=""and(subs(syszddm,1,2)="43"or subs(syszddm,1,2)="14"or subs(syszddm,1,2)="52"))

replace all dwmc with"天津市大中专毕业生就业指导中心"for(dwhwpdw=

""and(subs(syszddm,1,2)="12"))

replace all dwmc with"上海市高校毕业生就业指导中心"for(dwhwpdw=""and(subs(syszddm,1,2)="31"))

replace all dwmc with"吉林省高等学校毕业生就业指导中心"for(dwhwpdw=""and(subs(syszddm,1,2)="22"))

replace all dwmc with"江西省高等院校毕业生就业工作办公室"for(dwhwpdw=""and(subs(syszddm,1,2)="36"))

replace all dwmc with"海南省大中专毕业生就业指导中心"for(dwhwpdw=""and(subs(syszddm,1,2)="46"))

replace all dwmc with"河南省大中专学校学生信息咨询就业指导服务中心"for(dwhwpdw=""and(subs(syszddm,1,2)="41"))

*甘肃*

replace all dwmc with dwszd-"人事局"for(dwhwpdw=""and sff="否"

and(subs(syszddm,1,2)="62"))

replace all dwmc with"甘肃省教育厅"for(dwhwpdw=""and sff="是"

and(subs(syszddm,1,2)="62"))

*河北内蒙辽宁黑龙江浙江重庆陕西新疆西藏*

replace all dwmc with dwszd-"人事局"for(dwhwpdw=""and sff="否"

and(subs(syszddm,1,2)="13"or subs(syszddm,1,2)="15"or subs(syszddm,1,2)="21"or subs(syszddm,1,2)="23"or subs(syszddm,1,4)="33"or subs(syszddm,1,4)="50"or subs(syszddm,1,4)="61"))

replace all dwmc with dwszd-"教育局"for(dwhwpdw=""and sff="是"

and(subs(syszddm,1,2)="13"or subs(syszddm,1,2)="15"or subs(syszddm,1,2)="21"or subs(syszddm,1,2)="23"or subs(syszddm,1,2)="33"or subs(syszddm,1,2)="50"or subs(syszddm,1,2)="61"))

replace all dwmc with"西藏自治区人事厅"for(dwhwpdw=""and sff="否"and(subs(syszddm,1,2)="54"))

replace all dwmc with"西藏自治区教育厅"for(dwhwpdw=""and sff="是"and(subs(syszddm,1,2)="54"))

replace all dwmc with"新疆自治区人事厅"for(dwhwpdw=""and sff="否"and(subs(syszddm,1,2)="65"))

replace all dwmc with"新疆自治区教育厅"for(dwhwpdw=""and sff="是"and(subs(syszddm,1,2)="65"))

*山东*

replace all dwmc with dwszd-"人事局"for(dwhwpdw=""and sff="否"

and subs(syszddm,1,2)="37"and subs(syszddm,1,4)<>"3707")

replace all dwmc with"山东省教育厅"for(dwhwpdw=""and sff="是"and subs(syszddm,1,2)="37"and subs(syszddm,1,4)<>"3707")

replace all dwmc with dwszd-"大中专毕业生就业指导中心"for(dwhwpdw=""and subs(syszddm,1,4)="3707")

*安徽*

replace all dwmc with dwszd-"教育局"for(dwhwpdw=""and sff="是"

and(subs(syszddm,1,2)="34"))

replace all dwmc with dwszd-"教育局"for(dwhwpdw=""and sff="否"

and(subs(syszddm,1,4)="3408"or subs(syszddm,1,4)="3411"))

replace all dwmc with dwszd-"人事局"for(dwhwpdw=""and sff="否"

and subs(syszddm,1,2)="34"and(subs(syszddm,1,4)<>"3408"or subs(syszddm,1,4)<>"3411"))

*福建*

replace all dwmc with dwszd-"教育人才服务中心"for(dwhwpdw=""and sff="是"and(subs(syszddm,1,2)="35"))

replace all dwmc with"福建省公务员局大中专毕业生就业工作中心"for(

dwhwpdw=""and sff="否"and(subs(syszddm,1,2)="35"))

*湖北*

replace all dwmc with dwszd-"教育局"for(dwhwpdw=""and(subs(syszddm,1,4)="4203"or subs(syszddm,1,4)="4205"or subs(syszddm,1,4)="4228"or subs(syszddm,1,6)="429004"))

replace all dwmc with dwszd-"大中专毕业生就业指导办公室"for(dwhwpdw=""and(subs(syszddm,1,4)="4213"or subs(syszddm,1,4)="4209"))

replace all dwmc with dwszd-"大中专毕业生分配办公室"for(dwhwpdw=

""and subs(syszddm,1,4)="4210")

replace all dwmc with dwszd-"大中专毕业生就业工作办公室"for(dwhwpdw=""and(subs(syszddm,1,4)="4212"or subs(syszddm,1,4)="4208"))

replace all dwmc with dwszd-"大中专毕业生就业指导服务中心"for(dwhwpdw=""and subs(syszddm,1,6)="429005")

replace all dwmc with dwszd-"人才中心"for(dwhwpdw=""and subs(syszddm,1,6)="429021")

replace all dwmc with dwszd-"教育局"for(dwhwpdw=""and sff="是"

and(subs(syszddm,1,4)="4201"or subs(syszddm,1,4)="4202"or subs(syszddm,1,4)="4206"or subs(syszddm,1,4)="4207"or subs(syszddm,1,4)="4210"or subs(syszddm,1,6)="429006"))

replace all dwmc with dwszd-"人才服务中心"for(dwhwpdw=""and sff="否"and subs(syszddm,1,4)="4201")

replace all dwmc with dwszd-"大中专毕业生就业工作办公室"for(dwhwpdw=""and sff="否"and(subs(syszddm,1,4)="4202"or subs(syszddm,1,4)="4206"))

replace all dwmc with dwszd-"人民政府大中专毕业生分配办公室"for(dwhwpdw=""and sff="否"and subs(syszddm,1,4)="4207")

replace all dwmc with dwszd-"大中专毕业生就业指导办公室"for(dwhwpdw=""and sff="否"and subs(syszddm,1,4)="4210")

replace all dwmc with dwszd-"人力资源和社会保障局毕业生就业办公室"for(dwhwpdw=""and sff="否"and subs(syszd-dm,1,6)="429006")

*云南*

replace all dwmc with dwszd-"人事局"for(dwhwpdw=""and sff="否"

and subs(syszddm,1,2)="53")

replace all dwmc with dwszd-"教育局"for(dwhwpdw=""and sff="是"

and(subs(syszddm,1,4)="5301"or subs(syszddm,1,4)="5303"or subs(syszddm,1,4)="5329"or subs(syszddm,1,4)="5333"))

replace all dwmc with dwszd-"人事局"for(dwhwpdw=""and sff="是"and subs(syszddm,1,2)="53"and(subs(syszddm,1,4)<>"5301"or subs(syszddm,1,4)<>"5303"or subs(syszddm,1,4)<>"5329"or subs;

(syszddm,1,4)<>"5333"))

close all

*生成档案地址(限于篇幅仅以四川省为例)*

use jiuye

replace all dangandz with"自贡市交通路1号自贡市人才服务中心"for syszddm="510300"

replace all dangandz with"攀枝花市人才中心攀枝花市人才服务中心"for syszddm="510400"

replace all dangandz with"德阳市下南街德阳商城二楼B区德阳市人才服务中心"for syszddm="510600"

replace all dangandz with"乐山市慧园街26号乐山市人才流动服务中心"

for syszddm="511100"

replace all dangandz with"南充市玉带中路二段111号南充市人才流动中心"for syszddm="511300"

replace all dangandz with"眉山市彭寿街新区东门大市场B座12号眉山市人才交流中心"for syszddm="511400"

replace all dangandz with"宜宾市商业街53号宜宾市人才交流中心"for

syszddm="511500"

replace all dangandz with"达州市通川区会仙桥55号达州市人才交流中心"for syszddm="511700"

replace all dangandz with"雅安市桃花巷38号雅安市人事局人才交流中心"for syszddm="511800"

replace all dangandz with"资阳市娇子大道156号资阳市人才交流中心"

for syszddm="512000"

replace all dangandz with"阿坝州茂县阿坝州人才服务中心"for syszddm="513200"

replace all dangandz with"康定县甘孜州人才交流服务中心"for syszddm="513300"

replace all dangandz with"成都市金盾路57号成都市人才流动服务中心教育分中心"for(sff="是"and syszd-dm="510100")

replace all dangandz with"成都市宁夏街136号成都市人才流动服务中心"for(sff="否"and syszddm="510100")

replace all dangandz with"沪州市大山平市政府院内泸州市教育局人事科"for(sff="是"and syszddm="510500")

replace all dangandz with"泸州市江阳西路飞跃街2号泸州市人才服务中心"for(sff="否"and syszddm="510500")

replace all dangandz with"绵阳市文竹街16号绵阳市教育局人事科"for

(sff="是"and syszddm="510700")

replace all dangandz with"绵阳市临园路中段科技大楼二楼绵阳市人才服务中心"for(sff="否"and syszddm="510700")

replace all dangandz with"广元市东坝电子路121号广元市教育局政工科"for(sff="是"and syszddm="510800")

replace all dangandz with"广元市利州东路874号广元市人才中心"for(sff="否"and syszddm="510800")

replace all dangandz with"遂宁市遂州南路281号遂宁市人才市场教育人才部"for(sff="是"and syszddm="510900")

replace all dangandz with"遂宁市遂州南路281号遂宁市人才市场人事代理部"for(sff="否"and syszddm="510900")

replace all dangandz with"内江市广场路179号内江市教育局人事科"for

(sff="是"and syszddm="511000")

replace all dangandz with"内江市降龙山报社路82号内江市人才交流中心"for(sff="否"and syszddm="511000")

replace all dangandz with"广安经济技术开发区金安大道2段2号广安市教育局人事科"for(sff="是"and syszd-dm="511600")

replace all dangandz with"广安市公园街1号广安市人才交流中心"for(sff="否"and syszddm="511600")

replace all dangandz with"巴中市江北新区13号楼巴中市教育局人事科"

for(sff="是"and syszddm="511900")

replace all dangandz with"巴中市江北滨河路市人事局二楼巴中市人才交流中心"for(sff="否"and syszddm="511900")

replace all dangandz with"西昌市长安中路80号凉山州教委人事师训科"

for(sff="是"and syszddm="513400")

replace all dangandz with"西昌市城南大道凉山州人事局人才交流服务中心"for(sff="否"and syszddm="513400")

close all

*生成备注代码*

use jiuye

replace all bz with"6"for"县"$dwszd

replace all bz with"1"for occurs("区",dwszd)>0 and(subs(dwszddm,1,2)="11"or subs(dwszddm,1,2)="12"or subs(dwszddm,1,2)="31"or subs(dwszddm,1,2)="50")and!"县"$dwszd

replace all bz with"2"for subs(dwszddm,3,4)="0100"and!subs(dwszddm,1,2)="11"and!subs(dwszddm,1,2)="12"and!subs(dwszddm,1,2)="31"and!subs(dwszddm,1,2)="50"

replace all bz with"2"for subs(dwszddm,3,2)="01"and"区"$dwszd and!subs(dwszddm,1,2)="11"and!subs(dwszddm,1,2)="12"and!subs(dwszddm,1,2)="31"and!subs(dwszddm,1,2)="50"

replace all bz with"4"for subs(dwszddm,5,2)="00"and!subs(dwszddm,3,2)="01"

replace all bz with"5"for"市"$dwszd and subs(dwszddm,5,2)<>"00"and!"区"$dwszd and!"县"$dwszd

close all

三、结束语

本文未就业毕业生派遣根据2010年全国各地毕业生回生源地数据资料整理编程,适合于全国各地高校本专科毕业生就业数据库编制之用。今后如果有的省市毕业生就业主管部门有调整,只要对其相应代码稍加修改便可。对既可回生源地省级毕业生就业主管部门,也可回生所在地地市级毕业生就业主管部门的毕业生,编程时全部派回生源所在地地市级毕业生就业主管部门,避免毕业生千里迢迢远走省城报到,深受毕业生欢迎。

摘要：高校毕业生就业数据库编制工作量大,时间紧,任务重,责任重大,每逢毕业生离校临近之际,便是就业工作人员夜以继日地加班之时。本文介绍运用VF制作毕业生就业数据库,可以轻松完成就业数据库的编制。

关键词：高校毕业生,就业数据库,编制方法

参考文献

[1]平琦.运用Visual Foxpro命令快速编毕业生就业方案技巧初探[J].中国大学生就业,2009,4:59-62.

数据库设计毕业论文 篇3

关键词 高校毕业论文 数据库设计 结构设计 SQLserver

一、数据库的建立

之前有提到过本毕业论文管理系统主要具有3个实体，学生，教师和论文；学生主要功能是对论文的选择，教师则是申报课题及给学生成果评价。关系模式基本如下：学生信息（学号，姓名，密码，邮箱）学号是主键；教师信息（工号，姓名，密码，邮箱）工号是主键；课题信息（教师工号，教师姓名，论文编号，论文名称，论文类别，论文备注）论文编号是主键；课题选择（学号，学生姓名，工号，教师姓名，论文编号，论文名称）学号是主键；课题确认（学号，学生姓名，工号，教师姓名，论文编号，论文名称）学号是主键；学生论文评价（学号，学生姓名，工号，教师姓名，论文编号，论文名称，论文分数，教师评价）学号是主键；主要数据库管理系统可以用到MySQL或者SQL Server 2012，就完全可以满足数据的存储，而且是完全免费的。

二、逻辑结构设计

为了便于简化操作，学生和教师信息表只用了四个数据项；根据具体情况，自信修改。教师发布的课题信息存在课题信息表中。数据表详细设计我们需要写出字段名和字段类型，为了方便理解和修改，我们可以给出注释。

接下来让我们理解一些什么是逻辑结构设计，在这个阶段的任务是将概念结构设计阶段所得到的概念模型转换为具体DBMS所能支持的数据模型（即逻辑结构），并对其进行优化。一般我们是可以分为三步来进行的。首先从E-R图向关系模式转化，也就是将E-R图中的实体、实体的属性和实体之间的联系转化为关系模式。在转换过程中可能会遇到这样的问题，需要大家多多的注意，比如转化后命名问题和非原子属性问题。其次是数据模型的优化，我们知道数据库逻辑设计的结果肯定不具有唯一的性质。那么我们怎么来提供它的性能呢？我们就应该适当修改数据模型的结构。最后是关系视图设计，关系视图的设计又称为外模式的设计，也叫用户模式设计，在这里用户是可直接访问的。我们要知道不同用户可有不同的关系视图，并且是可以出现在同一个系统中的。关系视图是来自逻辑模式的，但是在结构和形式上有时候可能是和逻辑模式不一样的。

三、物理结构设计

数据库的物理设计是指对数据库的逻辑结构在指定的数据库管理系统上建立起适合应用环境的物理结构。像在一般的例如SQLserver关系型数据库中，确定数据库是否有物理结构，只需要来确定数据库的存储位置和存储结构是否存在，其中包括确定关系、索引、日志、备份等数据的存储分配和存储结构，并确定系统配置等。通过上面的逻辑结构分析所得到表的关系，下面使用Microsoft SQL Server 2008 语言写一个简单的设计，我们就可以得到数据库和相应的表了。

USE [Thesis] GO

SET ANSI_NULLS ON GO

SET QUOTED_IDENTIFIER ON GO

CREATE TABLE [dbo].[教師信息表]（

[TeaName] [nvarchar]（50） NULL，

[TeaId] [int] NULL，

[TeaPasswd] [nvarchar]（50） NULL，

[TeaEmail] [nvarchar]（50） NULL

） ON [PRIMARY] GO

SET ANSI_NULLS ON GO

SET QUOTED_IDENTIFIER ON GO

参考文献：

[1]任峰.基于B/S模式的网络课程制作与管理系统的开发[J].福建电脑， 2007（10）.

[2]董燕萍.学位论文提交发布系统的构建[J].中原工学院学报， 2007（01）.

[3]郭毓，郭海，房学军，黄岩慧.基于Internet的毕业设计双向选题系统设计[J]. 实验室研究与探索， 2005（S1）.

[4]杜美萍.基于.NET的高校教务管理系统的设计与实现[J].办公自动化，2009（12）.

数据库设计毕业论文 篇4

随着会计信息化的发展,我国的会计软件种类也越来越多,但是往往都自成体系,采用的数据库平台和数据结构也就大不相同。由此使得不同的会计软件之间,以及会计软件与会计数据相关的业务软件之间的数据交换,形成了一定的障碍。9月20日,GB/T19581―《信息技术会计核算软件数据接口》国家标准的颁布,在很大程度上解决了会计软件之间数据交换的障碍。只要符合会计数据接口标准要求,实现会计信息化的单位就很轻易将历年的会计数据导出,通过建立数据仓库,并利用会计核算软件对数据仓库的数据进行相关的财务分析和决策。同时利用数据仓库对繁多的会计数据进行治理,不仅将进步会计数据利用率,通过利用数据仓库进行财务分析,还可以进步治理决策的质量。

一、会计核算软件标准数据接口基本内容

由于目前财务软件的平台复杂多样,而这些软件之间的数据没有一个同一的数据规范,造成不同财务软件之间数据交流相当困难。GB/T19581―2004《信息技术会计核算软件数据接口》的颁布主要是对国内所有正在使用的会计核算软件(包括含会计核算功能的会计信息系统、治理信息系统等)规定同一的数据输出的内容和格式。会计核算软件数据接口分两个部分,一部分是规定其内容,包括电子账簿、会计科目、科目余额、记账凭证、报表等;另一部分规定其输出的格式要求,包括文本文件的输出方式和XML 文件的输出方式,并要求以一定期间为单位导出会计核算数据。

二、数据仓库与接口标准之间的关系

William H. Inmon 在1993年写的《Building the Data Warehouse》论著中,将数据仓库定义为:“一个面向主题的、集成的、随时间变化的、非易失性数据的集合,用于支持治理层的决策过程”。由定义可知,数据仓库的主要特征为:面向主题性、数据的集成性、稳定性、时变性。通过数据仓库,不同层次的治理职员可以进行各种治理决策的分析。数据仓库中存放的是数据的历史值,并且是静态的历史数据,可以定期添加,具有低访问率,高访问量的特点。而这些数据都来源于其他不同的数据库。

目前的多数财务软件在数据库的选用、数据库的格式上大不相同,导致各财务软件之间不能互相交换数据,也给审计软件导进财务软件的数据带来了一定的困难。而以往数据仓库在财务上的应用,基本上都是面向单个企业的单独开发。GB/T19581―2004《信息技术会计核算软件数据接口》的颁布,在很大程度上解决了这种障碍。按照会计核算软件数据接口标准的数据结构和内容,建立一个标准数据库即数据仓库,从而企业可以根据会计数据接口标准要求,将原数据库中的数据转换为标准规定的格式,并可以通过数据仓库将符合要求的会计数据从会计核算软件导进或导出,从而实现对数据仓库进行相关的财务分析及决策。

三、数据仓库的模型设计

数据仓库创建之前首先要根据需求明确所构建内容的主题域。在根据需求分析确定主题域后,就可以通过建立数据模型对数据仓库进行描述。模型是对现实世界进行的抽象描述,在信息治理中要实现对信息的治理与分析,就要依靠数据模型将现实世界的事物转换为信息世界的数据。创建数据仓库所采用的模型主要有概念模型、逻辑模型、物理模型。

(一)主题域的确定

数据仓库设计的关键是主题域的确定,整个数据仓库的数据都是围绕主题和软件标准数据接口而组织的,主要用于对企业的财务进行分析。根据数据接口标准规定的数据文件,主题可以分为以下几类:

资产负债表主题:主要分析企业某一特定日期内的财务状况,还可以进一步细化分为资产主题,负债主题,所有者权益主题;

现金流量表主题:分析企业在一定会计期间现金及现金等价物的流进和流出情况;

利润表主题:用于分析企业在一定会计期间的经营成果;

所有者权益变动表主题:分析企业一定时期所有者权益变动的情况;

财务分析指标主题:通过以上主题来分析企业一定时期的营运能力、偿债能力、获利能力及发展能力等。

(二)概念模型设计

星型模型和雪花型模型是概念模型设计常使用的两种模型。雪花型模型是对星型模型的扩展,适用于具有复杂结构数据仓库的应用,星型模型是最常使用的模型。模型设计主要用于设置事实表与维表之间的连接,使每个维表通过主键与外键连接,进而实现与事实表的连接。概念模型的设计就是要根据需求,确定业务中的指标实体和维实体,以及在实体间建立联系,概念模型设计后可以在一些开发工具中,利用一些技术功能直接转换为物理模型,再天生数据库,从而节约了时间并进步了效率。

(三)逻辑模型设计

通常在概念模型设计好后,还要依靠逻辑模型来实现概念模型到物理模型的转换。由于目前数据库都建立在关系数据库基础上,所以所采用的逻辑模型主要是关系模型。会计核算软件数据接口标准对所涉及的数据元素规定了同一的格式,在建立的`逻辑模型中,要根据数据接口的规定对数据的字段进行格式描述。逻辑模型设计主要包括事实表,维表设计以及粒度的划分。

(1)事实表。直接反映了数据仓库中应用的主题,是星型结构中最主要的表,包含了数据仓库中最主要的信息,如资产负债表、现金流量表、利润表、所有者权益变动表、财务分析表。而数据仓库的数据都是来自于不同数据接口的数据库,在进行数据仓库的逻辑模型设计时,还要确定各表中的数据元素即字段与数据源的逻辑关系,以便核算软件按照接口标准要求输出文件。其中的对应关系可以回纳为:第一种是数据元素和数据源的逐一对应,即可以在核算软件中找到与数据元素直接对应的表与字段;第二种是数据元素需数据源通过计算得到,即必须对数据源进行计算处理才能满足标准规定的数据元素的需要;最后一种对应关系是依据逻辑判定非源于特定数据源的数据。数据源的确定和对应关系是会计软件输出符合标准数据的逻辑基础。由于过于庞大的事实表在表的处理、备份和恢复、用户的查询等方面需要较长的时间,在设计时要留意使事实表尽可能地小。

(2)维表。主要用来描述事实表,与事实表有着非常重要的关系,在事实表中大多数属性都要依靠于维表,维表的主键组成了事实表的外键,每个维表都通过主键与事实表的外键连接,实现数据库快速查询。维表的属性也要根据接口标准规定进行规范定义。维表也会影响企业决策的因素,如不同企业、日期、指标种别都是影响企业决策的因素,通过这些因素决策者可以按照不同企业不同日期不同指标种别进行决策分析。根据事实表设计的维表有会计期间维表、报表编码维表、日期维表、企业维表等。

(3)粒度的划分。粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。通过粒度的划分,决定了数据仓库是采用单一粒度还是多重粒度,以及粒度的划分层次。粒度级越低,细化程度越高;相反,粒度级越高,细化程度越低。粒度的划分直接影响到数据仓库中的数据量和信息查询,以及进一步进行OLAP(联机分析处理)和数据挖掘的效果。假如主题的数据量、信息量较多,对主题数据分析细化程度要求较高,就要根据用户对数据仓库应用的需求,采用多重粒度进行数据划分。用低粒度即细化到月的数据,保存近期的会计报表及财务分析指标数据,对时间较远的会计报表及财务分析指标数据的保存用粒度较大即细化到年的数据。这样既可以对财务近况进行细节分析,又可以利用粒度较大的数据对财务趋势进行分析;否则采用单一粒度进行划分。

(四)物理模型设计

逻辑模型在物理系统中的体现模式,需要通过数据仓库的物理模型设计来实现。包括逻辑模型中的各种实体表的具体化,包括表的数据结构类型、索引策略、数据存放位置及数据存储分配等。会计软件数据接口标准中所要求的数据接口输出数据,包含接口标准要求的16个数据文件和1个格式说明文件,每个文件的文件名都进行了严格的规定。同时在标准中对16个数据文件的81个数据元素也进行了严格定义,首先,在物理模型设计中表的数据结构应根据接口标准要求,对数据的格式及内容进行同一的定义规范,如表的字段标识符要采用三位数字进行标记,字段的类型长度最多为5位可变长字符。只要会计软件的数据仓库的数据接口符合接口标准,就可以实现输出符合标准的数据。其次,由于数据仓库的数据量很大,通过索引的创建可以进步数据存取的效率,通常按事实表的主键和外键来建立索引。在数据仓库中首先需要为事实表设置索引,在为事实表的主键声明约束时,应该按照这些列的声明次序创建一个惟一的索引。而对于使用频率较高的外键,应置于主键索引的前面,以进步查询效率。

数据仓库中的数据可以通过数据库访问接口,将源数据库中的数据转换为标准格式的数据导进。其中数据的存储通常按数据的重要性、使用频率以及对响应时间的要求进行分类,并将不同类型的数据分别存储在不同的存储设备中,其中重要性高、经常存取并对响应时间要求高的数据存放在高速存储设备上,而存取频率低或对存取响应时间要求低的数据则可以存放在低速存储设备上。

四、数据仓库的创建

通过对数据仓库中的事实表、维表的逻辑模型设计,同时根据在物理模型中对各种表的存储区间、方式的处理,在数据仓库的实施过程,采用适当的数据仓库创建工具,就可以创建数据仓库。目前用于创建数据库的工具主要有SQL Server、Oracle10i、Sybase等。数据仓库的创建可以根据具体情况选择适合的开发工具。

五、数据的采集及转换

数据仓库的物理模型设计完成后,就要根据会计核算软件数据接口标准,来完成数据仓库结构的建立,实现数据仓库和元数据库的创建,然后就可以对数据仓库进行数据的加载。元数据库是数据仓库的灵魂,没有元数据库,用户就无法对数据仓库的数据进行良好的定义、组织和治理。数据的采集及转换是建立数据仓库中最重要的处理过程之一,这一过程实际上是要把来自不同的操纵性数据源、不同的数据进行集成,将非标准的数据转化为在一定程度上的标准化的数据。采集之前首先需要对数据进行预处理,即进行预备工作包括清空工作区、预备区。由于数据仓库中的数据来源十分复杂,这些数据在进进数据仓库之前经常需要在预备区对数据进行标准化处理,即将不同数据结构的数据进行同一处理,如源数据库中的数据类型与长度和标准规定的有所差别,就需要进行数据的类型转换、长度的截取等工作。数据的采集可以通过数据库接口访问源数据库,将数据转换为标准格式数据存进数据仓库,同时为了确保数据仓库中数据质量,还要对数据进行必要的清理即筛选工作。数据的清理工作必须严格依据元数据的定义进行,数据清理结束就可以将经过净化和转换的数据加载到数据仓库事实表中。实现的工具主要有SQL Sever、Oracle等。对数据提取以后,同样也可以利用SQL语言实现对数据的加载。

六、数据仓库的使用

在会计数据标准接口中,已经将会计科目、会计凭证、会计账簿、会计报表等中的数据纳进,并进行了同一规范。因此可以通过标准数据接口将每年的会计数据保存到数据仓库。按照会计数据接口标准要求,将会计数据仓库中的历年数据输进到会计核算软件中,并利用会计核算软件对其进行相关的财务分析、经济远景猜测,以帮助治理者为企业的将来做出正确的决策。随着数据接口标准的推广实施,基于会计核算软件数据接口的数据分析技术和方法会越来越多,并且应用范围也会越来越广泛。

【参考文献】

[1] 会计核算软件数据标准接口国家标准实施指南编委会.GB/T 19581―2004《信息技术会计核算软件数据标准接口》实施指南[S].北京:中国标准出版社,.

[2] 陈京民.数据仓库与数据挖掘技术[M].北京:电子产业出版社,.

数据库设计毕业论文 篇5

参考文献：

[1]余钊,张利娜. 土木工程施工质量的强化对策探析[J]. 科技致富向导. 2013(11)

工程建设有关论文范文数据库

该文转载于www.xianbear.com/gongcheng/dztxgc/436035.html

[2]郭永青. 土木工程项目的质量控制与加强施工管理[J]. 中国新技术新产品. 2013(04)

[3]冯笑鹏. 刍议土木工程项目施工过程中的质量控制[J]. 现代装饰(理论). 2013(01)

[4]苗述,刘德波. 对现代土木工程施工质量控制的探讨[J]. 科技创新与应用. 2012(28)

免费论文参考文献：

建筑工程施工质量控制

g。专科建筑工程管理专业介绍:2.5年,总学费9900元.,四,主要课程,建筑力学,土木工程施工,房屋建筑学,混凝土结构与砌体结构,土木工程制图,工程测量,施工安全与质量控制,建。

施工质量控制论文

工程质量控制工组织设计或施工方案,并能贯彻执行;,4,严格按照人防工程设计文件和施工技术标准施工;,5,按规定选用和安装人防工程专用设备;,6,及时整理工程质量控制资料,做到真。

建筑施工质量控制论文

程施工质量验收统一标准关单位共同编制完成的. 本标准在编制过程中,编制组进行了广泛的调查研究,总结了我国建筑工程施工质量验收的实践经验,坚持了"验评分离,强化验收,完善手段,过程控制。

建筑工程质量控制措施

及实施对建设工程质量监督管理的,必须遵守本条例.,本条例所称建设工程,是指土木工程,建筑工。园林工程质量控制资料核查记录建筑施工安全知识学习1介绍建筑施工安全基本知识7《中华人民共和。

建筑工程质量控制体系

对建设工程质量监督管理的,必须遵守本条例.,本条例所称建设工程,是指土木工程,建筑工。园林工程质量控制资料核查记录建筑施工安全知识学习1介绍建筑施工安全基本知识7《中华人民共和国安。

建筑工程质量控制方案

.,本条例所称建设工程,是指土木工程,建筑工。园林工程质量控制资料核查记录建筑施工安全知识学习1介绍建筑施工安全基本知识7《中华人民共和国安全生产法》学习1中华人民共和国安全生产法。

建筑工程质量控制资料

理的,必须遵守本条例.,本条例所称建设工程,是指土木工程,建筑工。园林工程质量控制资料核查记录建筑施工安全知识学习1介绍建筑施工安全基本知识7《中华人民共和国安全生产法》学习1中华人。

建筑工程质量控制原则

例.,本条例所称建设工程,是指土木工程,建筑工。园林工程质量控制资料核查记录建筑施工安全知识学习1介绍建筑施工安全基本知识7《中华人民共和国安全生产法》学习1中华人民共和国安全生产。

建筑工程质量控制研究

例.,本条例所称建设工程,是指土木工程,建筑工。园林工程质量控制资料核查记录建筑施工安全知识学习1介绍建筑施工安全基本知识7《中华人民共和国安全生产法》学习1中华人民共和国安全生产。

建筑工程质量控制要点

数据库设计毕业论文 篇6

□毕业生换行业、换单位的平均次数会越来越多

□第三产业属于服务业，将成为高校毕业生的主要就业去向

□学校“层次”越高，流动比例越大

□东部地区高校毕业生在求职中处于有利地位

-----------------------------------------------------------

近年来，我国经济发展呈现出新常态，主要表现为三个特点：一是经济增长从高速转为中高速；二是产业结构优化升级；三是经济增长模式从要素驱动转向创新驱动。从经济增长来看，是我国“十二五”规划的收官之年，经济增长速度出现新低，仅为6.9%。这一数字不仅是“十二五”期间最低的，也是1991年以来最低的。从产业结构来看，第三产业占国内生产总值的比重首次超过第二产业成为占比最大的产业，20第三产业占据半壁江山，占比达到50.5%。从驱动要素来看，劳动力成本持续上升，大量资金游离在实体经济之外，创新驱动不再是经济发展的一种选择，而是不得不面临的现实和挑战。

我国经济发展进入新常态后，高校毕业生规模依然保持着上升的态势，毕业生规模达到765万人，再加上以往累积的待就业的毕业生人数，高校毕业生就业情况似乎一年更比一年难。高校毕业生的就业状况究竟如何，需要用数据说话。北京大学教育学院自起每隔一年进行一次全国高校毕业生就业状况问卷调查，每次调查的样本量在两万人左右，截至2015年，北京大学教育学院共调查了约14万名高校毕业生。基于这些抽样调查数据的统计描述和计量回归分析结果，笔者认为，我国高校毕业生就业呈现出以下十个主要特点。

毕业去向更分散

从历次的就业调查结果比较看，2015年高校毕业生就业去向有明显的不同：第一，呈现出已确定单位比例与待就业比例“双降”的现象。2015年已确定单位比例只有33.4%，是7次调查中最低的一年，这与经济增速最低是一致的，反映出经济发展状况对就业的显著影响。而在经济形势严峻、就业困难加大的情况下，高校对毕业生的就业指导工作更加重视，积极引导学生采取多种形式就业。因此，2015年毕业生的待就业比例仅为12.8%，也是7次调查中最低的一年。第二，2015年自主创业的比例达到新高，为4.6%。在国家积极鼓励高校毕业生创新创业的背景下，确实有越来越多的毕业生在离校后进行自主创业，反映出相关创业政策的有效性。第三，2015年出国出境的比例也达到新高，为5.8%。随着我国居民收入水平的提高，许多家庭有能力资助子女出国留学。欧美高校也欢迎中国学生留学，不仅可以招收到优秀学生，还可以大幅度增加学费收入。此外，2015年升学比例和灵活就业比例也是历次调查中最高的。总体来看，毕业去向表现出更加分散化的特点。

各学历层次的初次就业率差异变小

在高校扩招初期，毕业生离校时的落实率(指落实毕业去向的比率)呈现学历越高则落实率也越高的特点。随着近年来研究生规模的扩大和专科生在高校学生中占比的下降，各学历层次的落实率呈现趋同的现象。从2015年学历层次的比较来看，落实率差异不大，都在80%以上，极差(最大值与最小值之差)为6.1个百分点。专科生的落实率最高，为87.4%；其次是硕士生，为84.5%；第三是本科生，为81.5%；博士生的落实率最低，为81.3%。各学历层次的毕业生在就业市场中的供求关系是不同的，学历层次上的高低并不能决定相应落实率的高低。

民营企业就业机会与收入水平不一致

经济发展状况是就业机会和工作状况的决定因素。东部地区的高校因地缘优势在毕业生求职中处于有利地位。在东部地区、大中城市、新兴服务业(金融和IT)、国有企业和三资企业、从事管理和技术工作的毕业生可以获得更高的收入。而这些地区、城市、行业、部门、岗位确实也是毕业生就业的主要去向。就业机会与收入水平不一致的是民营企业，吸纳了最大比例的毕业生，可是平均收入却不高。

2015年，高校毕业生在东部地区就业的比例为58.8%，在地级以上城市就业的比例为84.5%，在新兴服务业就业的比例为26.0%，在国有企业和三资企业就业的比例合计为36.0%，从事管理和技术工作的比例为73.4%。

从事专业技术岗的比例大幅下降

毕业生就业的工作类型趋向多样化，表现出技术类、管理类、服务类三足鼎立的特征，而从事一线生产工作的毕业生依旧很少。20，超过一半的毕业生从事专业技术岗位(51.9%)。2015年，从事专业技术岗位的占比大幅度下降到28.8%，减少了23.1个百分点。另一方面，从事技术辅助、行政管理、企业管理、服务工作的占比也都达到两位数，从事一线工业生产和农业生产的占比也比2003年有所上升。

学历层次越高，平均收入也越高

从人力资本理论来看，教育是人力资本投资的主要形式，可以提高受教育者的劳动生产率，进而提高个人的货币收益和非货币收益。高等教育投资的数量和质量将直接影响人力资本水平的高低，较高的人力资本水平可以带来更高的劳动生产率，因此人力资本水平较高的高校毕业生更容易获得较高的薪酬。高校毕业生分为专科、本科、硕士、博士4个学历层次。从2003年到2015年，学历层次越高毕业生的平均收入也越高的特点稳定不变。

从算术平均值来看，2015年专科生的月起薪平均为2640元；本科生为4010元；硕士生为6363元；博士生为6753元。收入的分布一般是右偏的，多数人达不到平均值，因此美、欧国家在统计收入时除了公布算术平均值，一般也公布中位数指标。中位数表示排序在中间位置(50%)的数值。从2015年毕业生月起薪的中位数来看，专科生为2500元；本科生为3500元；硕士生为6000元；博士生为6300元。

京津沪地区就业的满意度最高

高校毕业生的就业质量可以从客观和主观两个方面进行评价，其中毕业生主观评价的就业满意度是重要的衡量指标。由于高等教育规模持续上升，同时经济发展增速下降，因此在竞争激烈的高校毕业生就业市场上可谓“一位难求”。对于找到工作的毕业生而言，工作满意度呈现显著提高的趋势。毕业生对找到的工作感到“非常满意”或“满意”的合计比例从2003年的44.7%大幅度提高到2015年的80.8%。

毕业生的就业满意度具有以下特点：第一，学历之间存在差异：博士生的满意度最高，其次是硕士生和本科生，专科生的满意度最低。第二，就业地区之间存在差异：在京津沪地区就业的满意度最高，东部地区和西部地区居中，在中部地区就业的满意度最低。第三，就业地点之间存在差异，城市级别越高满意度越高：在省会城市或直辖市就业的满意度最高，在农村和乡镇就业的满意度最低。第四，工作单位性质之间存在差异：在国家机关、事业单位、国有企业就业的满意度高，在民营企业就业的满意度低。

学校、亲朋好友、网络成为求职信息来源的三驾马车

学校、亲朋好友、网络成为求职信息来源的三驾马车，企业招聘广告、实习单位提供的信息以及人才洽谈会的作用也很显著。2003年，学校发布的需求信息占毕业生求职信息来源的一半左右，2015年该比例下降到30.3%。在互联网技术及其应用迅猛发展的时代，网络招聘的比例显著上升，从的4.5%上升到2015年的28.5%。

择业意向表现为“向前/钱看”

就业对每一位毕业生来说都是人生中的一件大事。从2003年到2015年，毕业生在择业过程中普遍重视的因素保持不变，表现为“向前看”和“向钱看”的特点，即毕业生最看重的是个人发展和经济收益。在历次就业调查中，“发展前景好”和“利于施展个人的才干”一直保持在前两位，“福利待遇好”和“经济收入高”基本稳定在第三四位左右。此外，“符合自己的兴趣爱好”也非常重要。

用人单位最看重直接上手能力

毕业生就业受多种因素的影响，从用人单位的角度而言，各种因素的相对重要性如何，对用人单位的历次问卷中，包含影响就业的各种因素有20种左右，总体规律表现为与就业关系越密切的因素影响越大。统计结果显示， 在用人单位看来，工作能力、实习经历、求职技巧等与就业直接相关的因素显得最为重要。学校名气、热门专业、学习成绩等与高等教育直接相关的因素的重要性一般，排在中间位置。亲朋好友、党员干部、性别等与社会资本、政治资本、人口特征等相关的因素最不重要。上述特点在2003～2015年期间没有改变。

流动可以显著增加个人收益

从2003年到2015年，毕业生跨省流动的比例呈现上升的趋势。2015年，51.3%的高校毕业生在就学或就业过程中发生流动，比的45.7%有显著的提高。跨省流动可以显著地增加个人收益，流动的平均收益率在10%～15%左右。

高校毕业生的跨省流动存在以下特点：男性的流动率高于女性；学校“层次”越高，流动比例越大；跨省流动的特征符合“推拉理论”，主要流动方向是从经济落后地区流向经济发达地区；人力资本水平决定跨省流动能力，学历层次越高毕业生跨省流动的可能性越大。

以上十大就业特点与国内外经济、社会、科技、文化、人口等变化趋势是吻合的，在未来一段时间内这些特点不仅不会改变，甚至还会进一步加强。据国际劳工组织的统计和预测，有固定单位、在固定场所工作、定期获得收入的传统工作岗位在劳动力市场上的占比将越来越小。因此，我国高校毕业生的“单位就业率”将进一步下降，灵活就业和自主创业的占比将逐渐上升。

我国人均国内生产总值已经达到8000美元左右，属于中高收入组别。但是，我国经济发展还处在经济起飞阶段和满足物资生活阶段，经济发展状况仍将是就业机会和工作状况的决定因素。同时，我国经济发展的地区差异非常显著，因此，毕业生的跨省流动比率仍会居高不下。不仅是跨省流动，跨城市流动、跨行业流动、跨单位流动、跨岗位流动的比率也同样很高，甚至趋于上升。由于新知识、新技术的突飞猛进，企业生命周期越来越短，毕业生在一生之中，换行业、换单位的平均次数会越来越多。

我国第三产业已经成为产值最大的产业，占比将继续上升。第三产业属于服务业，将成为高校毕业生的主要就业去向。特别是IT和金融等现代服务业，不仅岗位需求大，也是毕业生求职的理想行业。相应于产业和行业的变化，服务、管理等岗位在毕业生工作类型中的占比将越来越大，有望超过专业技术类。对高等教育来说，应该培养学生更多的计算机和互联网知识，以适应信息化时代的呼求；要提高学生人际交往、语言表达、关注细节等非认知能力，以适应服务业的需求特点；需注重学生的个性化教育，以适应创新创业人才的健康成长。

数据库设计毕业论文 篇7

数据挖掘的英文表示为Data Mining, 其作用就是能够从很多不完整和接近模糊的数据中, 提取有价值的数据和信息, 这些信息其实就是蕴含其中但是又很难预先发现的有效信息。一般情况下, 原始数据就是知识的源头, 其分为结构化的, 半结构化的, 异构型的[1]。知识的获取可以通过多种形式来实现, 知识获取之后的应用比较广泛, 比如信息管理、信息查询等, 甚至可以用来维护自身数据。数据挖掘涉及的学科众多, 将多个领域的研究者集中在一起, 因此, 对数据挖掘进行研究具有较强的理论意义[2]。

1 毕业生就业特征分析

1.1 实验计划

本实验选择某高职院校2013年330名毕业生的存档信息, 从中随机抽取264个训练样本作为分析对象, 预计从毕业生的多种信息里面, 挖掘出优秀毕业生的特征, 从而为高职院校人才培养提供决策依据。

1.1.1 信息来源和数据集

分析毕业生的优秀特征情况, 从海量数据信息中提取毕业生的基本信息, 即毕业生学号、年龄、性别、所学专业、成绩、获奖情况等。数据集snapshottrain N.db, 以下是该数据集的部分字段名:id.唯一的识别号;age.年龄;sex.性别;jobs.所学专业;income.收入;unprofessiona.非专业对口;winning.获奖次数;party member.是否党员;save_act.是否低分;Educatione.成绩;pep. (进行数据挖掘) 是否为已经就业的毕业生。

1.1.2 总体分析步骤

数据挖掘为了得出隐藏在数据中的有价值的信息, 一般来说, 其最后结局是难以预料的, 但是站在决策者以及设计者角度来说, 要明确问题的方向性和结果性, 数据挖掘一旦存在不可以预知性, 则表示盲目行事, 分析也就难以获得成功[3]。分类挖掘的目的是找出隐含的知识, 以便明了化, 本实验选择C4.5挖掘算法, 对经过转换的数据进行挖掘, 对结果进行分析、解释和评估。第一步是数据准备, 将毕业生信息管理数据表合成, 从中提取与绩效考核成绩相关性较大的特征属性, 生成高职院校毕业生管理信息表;第二步是建立模型, 包含分类原则和决策树的建立;第三步是对数据进行挖掘并得出规则;第四步是结果分析。

1.2 实验流程

1.2.1 实验准备

在数据源里, 海量的历史数据, 属性众多, 定义繁杂, 具有明显的非完整性, 数据挖掘前期要从这些海量数据中提取有效的数据。该实验选择信息增益率的方式来明确属性选择, 其默认方式选择最高信息增益率作为节点的测试划分标准, 由此来保证在信息量需求最小的情况下, 也能产生最简单的决策树[4]。在提取信息增益率的时候, 利用相关计算公式, 提取最高信息增益率的相关数据, 将之作为给定集合S的测试属性, 并创建出一个对应节点, 然后创建分支, 再对样本进行划分。

1.2.2 数据归纳

在数据归纳过程中使用面向属性的方法, 即建立在数据库中的关系表上, 并收集有效数据汇集成表, 以分析和泛化各个属性, 并将所有和决策规则相关的属性都查询处理, 从而建立具有高效的、或压缩或泛化式的数据集合式分类样本模型, 目的是减小数据规模, 与属性值有关联, 不与原始数据产生任何关系, 从而更为有效地产生决策树。

对毕业生关系数据库进行相应的处理, 提取出有用的信息, 得到毕业生就业情况信息表, 利用迎合算法对该数据进行转化。

1.2.3 建立决策树模型

分类是数据挖掘中的一个重要目标和任务, 不同于聚类, 被称为监督学习, 对于现有的类别进行较为具体详细的类别性质的描述, 对于新的观察值再进行类别性分类[5]。本实验采用决策树方法对毕业生特征进行分类挖掘, 建立的训练集从实用角度考虑, 并不复杂, 故考虑选择ID3或C4.5算法, 为了完成数据挖掘的任务, 本实验选用C4.5算法对数据源进行挖掘和分类。

在330名毕业生的存档信息资料中, 随机抽取264个数据, 占总数据的八成, 把它们当作训练样本S;剩下二成的数据作为测试集, 按预定类别将毕业生分为普通毕业生、优秀毕业生两类。生成决策树必须遵循一定的算法, 生成原则依据Generate_decision_tree从原始训练数据中生成一棵判定树;数据导入依据训练样本samples, 是离散值属性, 属性群为attribute_list;数据导出为一棵判定树。生成步骤如下:

(1) 第一步需要根据训练数据来确定节点N;

(2) If samples同属于类C then;

(3) 需要返回N当作叶节点, 标记为C类;

(4) If attribute_list如果为空缺或者丢失then;

(5) 需要返回N当作叶节点, 并标记。以samples中一般的类标记为其属性;

(6) 抽取attribute_list中信息增益高的为首选;

(7) 标记test_attribute为分类节点;

(8) For each test_attribute内已知值ai;

(9) N为属性再生成一个满足test_attribute=a.的分枝;

(10) 假定Si为samples中test_attribute=a.的样本集合;

(11) 假如Si为空值, then;

(12) 附加一个条件树叶, 标记为samples中一般类别;

(13) Else加上一个由Generate_decision_tree (s1, attribute_1ist_test_attribute) 返回的节点。

在数据挖掘过程中, 决策树方法的本质是利用大量的分类数据进行筛选, 根据筛选后的数据挑选出具有价值的信息。本实验利用C4.5算法创建决策树, 决策属性信息增益率的计算方法如下:

用上述方法计算每个属性得到各自的信息增益率, 将集合S的测试属性新建节点, 并标记该属性, 继续创建分支, 最后进行划分即可。

选取较具典型意义的数据, 将其输入训练集, 通过一个Table节点 (OutputTable) 与源数据连接, Excute (执行) Table结点即可。插入一个变项文件节点 (SourceVar.File) , 双击该节点, 在File框输入snapshottrain N.db的物理路径。

在建模之前, 首先将一个类型节点Type Node加到目前的流程中, 点击Read Values以读取数据。利用年龄、专业、性别、成绩、是否党员等因素分析优秀毕业生的特征, 故将id的Direction设为“None”, 将pep设为“Out”, 其他字段设为“In”。通过一个Table节点 (OutputTable) 与源数据连接, Excute (执行) Table结点即可。

经过计算, 可以得到属性里性别的信息增益最大, 也就是说属性中性别提供的信息量最大, 对于分类帮助最大, 所以选择性别作为根节点, 由此引申两个分支出来, 把训练实例集分成两个子集, 从而生成决策树, 其中含有两个叶节点。选择学生所学专业的分裂性属性, 把叶节点进行分裂, 分成3个子集, 依据收集用户的基本情况、在校期间的各项表现、基本工作状态意向等数据信息, 其中这些数据有些是直接获得的, 有些是调查获得的, 有些是通过计算获得的。建立一个C4.5结点 (ModelingC4.5) 与Type节点相连[6]。使用同样的方法, 来分析其他节点, 目的就是要产生整棵决策树。

1.2.4 连接模型

将得到的回归模型加入到Type节点, 双击C4.5结点可对其进行编辑, 这里取其Model name为默认值“Auto” (进入法) , 其他选项不做修改, Excute (执行) 该节点。

1.2.5 分析模型

将模型图标与Type节点相连, 再添加一个“分析”节点, 执行Analysis节点显示预测值和真实值的匹配程度如何的信息。执行C4.5结点即可得到判断优秀毕业生取值的决策树模型, Browse查看模型结果。

1.3 优秀毕业生特征规则挖掘

在众多特征中, 性别属性是具有强烈差异的信息增益率值, 所以选择性别为根节点。任何一个分支都可以重复以上方法, 生成决策树。

从数据挖掘结果来看, 通过决策树的显示信息, 能够直接提取分类规则 (如果IF, 那么Then) :

(1) 如果毕业生为男性, 那么, 毕业生至少一半为已就业的毕业生, 而女性相对而言已经就业的毕业生较少。

(2) 如果专业为热门专业, 那么已经就业的毕业生较多。

(3) 如果各科成绩为优秀, 那么已经就业的毕业生较多。

(4) 如果毕业生年龄小于或等于21岁, 已经就业的毕业生并不多。

2 毕业生就业特征的决策分类模型的实现

在数据挖掘技术中, 决策树是常用的方法, 其运行方便, 能够较快速地分析数据。在众多的决策树方法中, C4.5算法是应用最广泛的方法之一。本文先介绍决策树方法相关知识, 然后介绍其主要算法, 而且详细分析决策树在毕业生就业环节中的作用。本文以某高职院校的毕业生资料为原始数据, 在海量资料和数据中, 采用数据挖掘的方法, 找出其关联性。整个分析过程, 实际上就是不断去噪的过程, 对毕业生就业特征进行分析, 分析了毕业生就业的敏感规则[7]。

C4.5算法在毕业生特征挖掘中, 第一步就是选择性别属性作出初次分类, 即专业、学习成绩等各方面均产生相应决策树, 可以看到学习成绩具有一定的说服力。

分析时, 使用数据库里的相关数据, 分析毕业生的各种类别性属性特点, 然后再选取、清理、转换数据, 通过使用决策树中的C4.5算法确定类别模型, 并明确分类标准, 从而观察分析归纳优秀毕业生的关键特点。研究发现, 相对同种专业时, 成绩好的毕业生表现更为优秀[8]。当非本专业的毕业生在表现上更为突出。无论是否为本专业, 获奖荣誉多的, 就业可能性更高。以上实验结果和已选参与研究的高职院校实际情况基本相符。

3 结语

本文建立了一个基于毕业生就业信息的关联规则挖掘模型, 真正的将数据挖掘技术应用到毕业生就业发展行为中, 并给出特定数据集下毕业生就业发展行为的决策树分类模型。将模糊数据挖掘技术应用于大学生发展中, 挖掘出一些有用的规则信息, 通过这些信息可以得出哪些信息对毕业生就业影响较大, 从而为学校管理者制定培养学生计划提供参考。

参考文献

[1]张轲智.基于web的数据挖掘系统设计与实现[D].电子科技大学, 2013 (03) :31-35.

[2]牛胜利.基于数据挖掘的商业银行客户关系管理研究[D].财政部财政科学研究所, 2013 (05) :78-79.

[3]王惠中, 彭安群.数据挖掘研究现状及发展趋势[J].工矿自动化, 2011 (01) :64-66.

[4]张秋菊, 朱帮助.基于自组织数据挖掘的电子商务客户流失预测模型[J].企业经济, 2011 (01) :101-103.

[5]丁静, 杨善林, 罗贺, 丁帅.云计算环境下的数据挖掘服务模式[J].计算机科学, 2012 (06) :32-34.

[6]刘大有, 陈慧灵, 齐红, 杨博.时空数据挖掘研究进展[J].计算机研究与发展, 2012 (12) :45-47.

[7]王沛训.高职院校信息化建设的几点建议[J].华章, 2011 (05) :162.

毕业设计浅议 篇8

关键词：毕业设计 指导 管理 建议

中图分类号：642．477文献标识码：Ａ文章编号：1673－1875（2007）02－081－01

高校毕业设计是学生在校期间的最后一个课题设计，是师生共同完成的教学环节，包括实地调查、课程设计、单位实习和毕业设计。毕业设计是其中最重要的组成部分，它是学生在完成各门课程学习之后的一个综合性教学环节，也是学生从理论学习到社会实践的一个过渡性实践教学环节。

毕业设计的作品，虽然由于专业不同，反映出来的内容和形式也不同，但都在总体方面存在着可比性。因此，在毕业设计作品展出时，大家会进行比较，加以评论。这种比较有对该专业以往班级毕业设计作品水平的比较；也有该专业设计作品与社会水平的比较；还有该专业设计作品自身应该达到的完善程度的比较。因为存在着可比性，也就存在着对不同专业的设计作品的评价。在设计类教育中，毕业设计直观的表现了几年来教学的最终成果。毕业设计的选题，反映着教学思想和教学能力，展示了学生结合实际，分析问题和解决问题的能力，毕业设计也全面地检验了普遍基础课和专业基础课以及专业设计课的教学水平。

所有院校的毕业设计，都受到各专业的普遍重视，我在参与毕业设计和参观毕业设计作品中看到，在教学方面、从基础到专业以至设计能力的培养和训练等方面，都基本上达到了教学大纲的要求，每年也都能取得一些成绩和进步，但是毕业设计的质量却不可避免的的存在着明显的不足之处。

首先，毕业设计的选题：毕业设计题目是毕业设计的关键，题目决定了毕业设计内容，是顺利完成毕业设计工作的先决条件。选题要新颖，最好能够结合本专业，本领域当前研究的热点。选题范围太宽，学生只能泛泛而谈；题目太窄，导致毕业设计工作量不足；有的题目过于陈旧或与所学专业相去甚远，学生不感兴趣，缺乏主动性，敷衍了事，只求通过；题目要求太高，不仅达不到预期效果，反而容易挫伤学生的积极性。

其次，指导教师自身的素质：学校针对毕业设计都会制定相应的管理制度和工作条例，但对指导教师却没有提出明确具体的要求，放任指导教师凭自己的感觉指导学生；虽然学校明确要求只有具有中级职称以上的教师才能指导毕业设计，由于某些原因，一部分青年教师仍单独指导毕业设计，学校也缺乏对指导教师进行必要的业务培训，致使有些指导教师指导水平低，科研能力差，对毕业设计内容把握不准确。同时，有部分指导教师对一些不符合要求的毕业设计采取宽容迁就的态度，成绩评判过于宽松，在毕业答辩时也是手下留情。

再次，毕业设计过程中的跟踪管理：毕业设计从开题到答辩结束有三个多月的时间，毕业设计的任何一个环节都影响着最终作品的质量。但是这个阶段又是学生求职择业的时间，两者都很重要，又必须同时进行，面对越来越严峻的就业形势，求职的巨大压力使每个毕业生不得不把主要精力放在寻找就业单位上。部分学生的毕业设计作品就在实习公司完成的，以致指导老师在辅导过程中对学生缺乏有效的监督控制，放任自流。另一方面，计算机在各个领域的广泛应用，使人们越来越觉得计算机是知识、经验和思维的替代品，过分依赖和迷信计算机。在校大学生深受影响，他们单纯重视计算机应用的熟练程度。目前，设计类及工科类院校的学生做毕业设计时都会用到ＣＡＤ计算机辅助设计和绘图，更是加大了毕业设计进程管理的困难，毕业设计质量不易保证。如果用计算机进行毕业设计，学生电脑不可能搬进教室，那么教师指导就很困难，监督和管理都成问题。且每年都会有个别学生会直接拷贝其他现成的设计成果，略加修改就成为自己的设计，这样也就造成部分学生遇事不愿多加思考，从而慢慢丧失独立工作的能力，更不用说作品的质量了。

在以后的毕业设计中，我们希望：一、指导教师要重视选题的重要性，紧密结合专业培养方向，体现专业特点，设计内容与专业知识结构相联系，争取联系实际，结合生产，坚持理论与实践相结合的原则；题目还应尽可能反映当代科技发展水平，题目不可太陈旧。在保证学生进行本专业基在以后的毕业设计中，我们希望：一、指导教师要重视选题的重要性，紧密结合专业培养方向，体现专业特点，设计内容与专业知识结构相联系，争取联系实际，结合生产，坚持理论与实践相结合的原则；题目还应尽可能反映当代科技发展水平，题目不可太陈旧。在保证学生进行本专业基础理论和实践能力得到综合锻炼的前提下，起到深化理论知识，并扩大视野，拓展知识面的目的。同时鼓励学生发挥主观能动性，自己在生产实践的环节中寻求问题的答案，培养学生自主学习的意识。二、毕业设计的质量不仅与指导教师自身的素质以及工作经历、经验有关，而且与指导教师采取的管理和指导方法也密切相关。要取得好的毕业设计效果，指导教师除了要认真编写毕业设计任务书，还应该重在引导和培养学生综合运用所学理论知识的能力；让学生充分了解毕业设计的目的、进度和基本要求，并在设计过程中及时检查与指导，控制进度，防止抄袭范例的现象。指导老师还应与学生建立良好的沟通渠道，充分调动学生积极认真的参与和投入毕业设计，保证指导的及时、快速及合理。三、分析当前毕业设计质量受到了严重冲击的现实问题，很大的原因在于学生忙于择业而忽视毕业设计环节。在这种情况下，要提高毕业设计的质量，就必须寻求毕业设计与求职择业的最佳结合点，加强毕业设计的选题与生产实践内容的相结合。指导老师应该深入企业潜心研究相关知识技术，带领学生一道研究实际问题，让更多的学生立足于结合点上，全身心投入毕业设计。

毕业设计是参加工作前的实战训练，是从理论到实际应用，从单一课程到综合应用，从模块设计到系统设计的过程，对学生今后的学习和工作有着十分重要的意义，需要指导老师和学生的共同努力，争取更加出色的完成这一教学环节。

Abstract:From the aspects of the design topics of college graduates, the Teachers quality and the track management to analyze the problem of current graduate design and make some suggestion.