基于分类算法的学生性格研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 研究现状 | 第10-13页 |
| 1.3.1 教育数据挖掘 | 第10-12页 |
| 1.3.2 性格预测 | 第12-13页 |
| 1.4 研究内容 | 第13-14页 |
| 1.5 组织结构 | 第14-15页 |
| 2 基础研究工作 | 第15-26页 |
| 2.1 性格评价模型 | 第15-17页 |
| 2.1.1 三因素模型 | 第15-16页 |
| 2.1.2 五因素模型 | 第16-17页 |
| 2.2 特征筛选方法 | 第17-19页 |
| 2.2.1 方差阈值 | 第17页 |
| 2.2.2 皮尔森相关系数 | 第17-18页 |
| 2.2.3 递归特征消除 | 第18-19页 |
| 2.3 分类算法 | 第19-24页 |
| 2.3.1 k近邻 | 第19页 |
| 2.3.2 决策树 | 第19-21页 |
| 2.3.3 朴素贝叶斯 | 第21页 |
| 2.3.4 支持向量机 | 第21-23页 |
| 2.3.5 多层感知机 | 第23-24页 |
| 2.4 模型评价 | 第24-25页 |
| 2.4.1 混淆矩阵 | 第24-25页 |
| 2.4.2 交叉验证 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于分类算法的学生内外向性格研究 | 第26-40页 |
| 3.1 内外向性格预测方法 | 第26-28页 |
| 3.1.1 基于时间分割的样本增加方法 | 第26页 |
| 3.1.2 性格预测方法步骤 | 第26-28页 |
| 3.2 数据来源 | 第28-32页 |
| 3.2.1 性格数据 | 第28-31页 |
| 3.2.2 上网数据 | 第31页 |
| 3.2.3 消费数据 | 第31-32页 |
| 3.3 特征提取 | 第32-34页 |
| 3.3.1 上网数据 | 第32-33页 |
| 3.3.2 消费数据 | 第33-34页 |
| 3.4 特征筛选 | 第34-35页 |
| 3.5 实验结果 | 第35-39页 |
| 3.5.1 相关特征 | 第35-36页 |
| 3.5.2 分类结果 | 第36-39页 |
| 3.6 本章小结 | 第39-40页 |
| 4 基于分类算法的性格预测改进方法 | 第40-55页 |
| 4.1 算法改进 | 第40-41页 |
| 4.1.1 样本筛选的改进 | 第40-41页 |
| 4.1.2 特征筛选的改进 | 第41页 |
| 4.2 数据集构造 | 第41-43页 |
| 4.3 实验结果 | 第43-53页 |
| 4.3.1 外倾性分类结果 | 第43-47页 |
| 4.3.2 神经质分类结果 | 第47-48页 |
| 4.3.3 精神质分类结果 | 第48-51页 |
| 4.3.4 相关特征 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 本文总结 | 第55-56页 |
| 5.2 未来展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |
| 作者在攻读学位期间发表的论文 | 第62页 |
