| 内容提要 | 第1-5页 |
| 目录 | 第5-7页 |
| 第1章 引言 | 第7-11页 |
| ·背景分析 | 第7-8页 |
| ·自适应系统的研究现状及不足 | 第8-9页 |
| ·序列模式挖掘的现状 | 第9-10页 |
| ·本文的基本结构 | 第10-11页 |
| 第2章 自适应学习系统 | 第11-26页 |
| ·自适应系统 | 第11-17页 |
| ·自适应学习系统的概述 | 第11-13页 |
| ·自适应学习系统的一般结构 | 第13-15页 |
| ·自适应学习系统的功能 | 第15页 |
| ·自适应学习系统的框架结构 | 第15-16页 |
| ·自适应学习系统的模块介绍 | 第16-17页 |
| ·学习者特征理论 | 第17-18页 |
| ·学习者学习准备 | 第17-18页 |
| ·学习者一般特征 | 第18页 |
| ·学习者学习风格 | 第18页 |
| ·学习者特征模型 | 第18-22页 |
| ·对象模型描述 | 第18页 |
| ·学习者模型 | 第18-20页 |
| ·教学策略模型 | 第20-22页 |
| ·个性化学习理论综述 | 第22-26页 |
| ·个性化学习含义 | 第22页 |
| ·目前个性化学习的含义 | 第22-23页 |
| ·个性化学习的本质特征 | 第23-24页 |
| ·基于网络个性化学习的优势 | 第24-26页 |
| 第3章 序列模式挖掘研究 | 第26-46页 |
| ·数据挖掘理论基础 | 第26-31页 |
| ·知识发现(Knowledge Discovery in Database，KDD) | 第26页 |
| ·知识发现的步骤 | 第26-28页 |
| ·数据挖掘概念 | 第28-29页 |
| ·数据挖掘技术的特点 | 第29-30页 |
| ·数据挖掘技术的内容 | 第30-31页 |
| ·数据挖掘的应用 | 第31页 |
| ·数据挖掘发展现状和发展趋势 | 第31页 |
| ·序列挖掘模式理论 | 第31-34页 |
| ·数据源的形式 | 第31-32页 |
| ·带交易时间的交易数据库 | 第32-33页 |
| ·系统调用日志 | 第33页 |
| ·Web日志 | 第33-34页 |
| ·基本概念 | 第34-35页 |
| ·序列模式挖掘参数 | 第35-36页 |
| ·序列模式挖掘的一般步骤 | 第36-37页 |
| ·ApprioriAll算法 | 第37-38页 |
| ·DAprioriAll算法 | 第38-46页 |
| ·dAprioriAll算法步骤 | 第39页 |
| ·dAprioriAll算法描述 | 第39-41页 |
| ·dAprioriAll算法实例说明 | 第41-45页 |
| ·dAprioriAll算法性能 | 第45-46页 |
| 第4章 个性化学习规律支持模型 | 第46-53页 |
| ·个性化学习规律模型设计 | 第46-49页 |
| ·系统设计指导思想 | 第46页 |
| ·系统特点 | 第46-47页 |
| ·系统结构 | 第47页 |
| ·系统分析 | 第47-49页 |
| ·dAprioriAll算法在个性化学习规律支持模型中应用 | 第49-52页 |
| ·数据预处理 | 第49-51页 |
| ·生成大序列集 | 第51页 |
| ·准确性评估 | 第51-52页 |
| ·序列模式挖掘改进法在自适应学习系统中的应用分析 | 第52-53页 |
| 第5章 结束语 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 基于自适应学习系统的序列挖掘算法的研究摘要 | 第57-58页 |
| ABSTRACT | 第58-60页 |
| 致谢 | 第60页 |