| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题背景及意义 | 第10-11页 |
| ·课题研究的现状 | 第11-12页 |
| ·课题研究的主要内容 | 第12-13页 |
| ·作者的工作和论文组织结构 | 第13-15页 |
| 第二章 数据挖掘概述 | 第15-20页 |
| ·数据挖掘的定义 | 第15页 |
| ·数据挖掘的任务和功能 | 第15-17页 |
| ·数据挖掘的主要方法 | 第17-18页 |
| ·数据挖掘的过程 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 系统需求分析及总体架构 | 第20-37页 |
| ·系统需求分析 | 第20-30页 |
| ·系统概述 | 第20页 |
| ·系统功能 | 第20-21页 |
| ·技术方案选择 | 第21-22页 |
| ·系统用例图和时序流图 | 第22-30页 |
| ·系统架构的设计 | 第30-31页 |
| ·系统主要界面的设计 | 第31-35页 |
| ·系统功能模块的设计 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 学生特征分析模块的研究与设计 | 第37-58页 |
| ·聚类算法简介 | 第37-41页 |
| ·聚类综述 | 第37-38页 |
| ·K-means聚类算法 | 第38-39页 |
| ·模糊C均值聚类 | 第39-41页 |
| ·遗传算法(GA-Genetic Algorithms) | 第41-46页 |
| ·遗传算法的一般结构 | 第41-42页 |
| ·遗传算法的组成要素 | 第42-43页 |
| ·遗传算法的优缺点 | 第43页 |
| ·遗传聚类算法 | 第43-46页 |
| ·学生特征分析模块采用的基本算法及基本流程 | 第46-48页 |
| ·学生特征分析模块的应用 | 第48-57页 |
| ·收集数据及预处理 | 第48-49页 |
| ·算法参数的设定 | 第49-52页 |
| ·实验结果及结果分析 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 成才因素分析模块的研究与设计 | 第58-70页 |
| ·决策树 | 第58-61页 |
| ·决策树概述 | 第58-59页 |
| ·决策树的构造与分类 | 第59-60页 |
| ·决策树的优缺点 | 第60-61页 |
| ·决策树应用 | 第61页 |
| ·成才因素分析模块采用的决策树算法 | 第61-64页 |
| ·ID3和C4.5算法 | 第61-62页 |
| ·本模块采用的C4.5决策树算法及基本流程 | 第62-64页 |
| ·成才因素分析模块的应用 | 第64-69页 |
| ·收集数据及预处理 | 第64-65页 |
| ·建立决策树模型 | 第65-67页 |
| ·实验结果及结果分析 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 学生就业预测模块的研究与分析 | 第70-75页 |
| ·主成分分析 | 第70-71页 |
| ·主成分分析概述 | 第70页 |
| ·主成分分析的作用 | 第70-71页 |
| ·主成分分析在学生就业预测中的作用 | 第71页 |
| ·主成分分析的基本原理 | 第71-72页 |
| ·学生就业预测模块采用的基本算法及基本流程 | 第72-73页 |
| ·学生就业预测模块的应用 | 第73-74页 |
| ·收集数据及预处理 | 第73页 |
| ·建立决策树模型 | 第73-74页 |
| ·实验结果及结果分析 | 第74页 |
| ·本章小结 | 第74-75页 |
| 第七章 生源质量分析模块的研究与分析 | 第75-89页 |
| ·支持向量机 | 第75-77页 |
| ·支持向量机概述 | 第75-76页 |
| ·多类问题的SVM | 第76页 |
| ·增量学习SVM | 第76-77页 |
| ·生源质量分析模块采用的算法及基本流程 | 第77-81页 |
| ·支持向量机基本原理 | 第77-79页 |
| ·非线性支持向量机 | 第79-80页 |
| ·基本流程 | 第80-81页 |
| ·生源质量分析模块的应用 | 第81-88页 |
| ·数据收集及预处理 | 第81-83页 |
| ·建立模型 | 第83-87页 |
| ·实验结果及结果分析 | 第87-88页 |
| ·本章小结 | 第88-89页 |
| 第八章 结束语 | 第89-91页 |
| ·论文总结 | 第89-90页 |
| ·问题与展望 | 第90-91页 |
| 参考文献 | 第91-93页 |
| 致谢 | 第93页 |