| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 概述 | 第8-18页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 教育领域数据挖掘应用现状 | 第10-14页 |
| 1.2.2 移动学习领域研究现状概况 | 第14-15页 |
| 1.3 本文研究内容介绍 | 第15-17页 |
| 1.3.1 数据挖掘与教育智能 | 第15-16页 |
| 1.3.2 移动学习数据的挖掘与分析 | 第16页 |
| 1.3.3 教育智能在移动学习系统中的应用 | 第16-17页 |
| 1.3.4 总结与展望 | 第17页 |
| 1.4 本章总结 | 第17-18页 |
| 第二章 数据挖掘与教育智能 | 第18-30页 |
| 2.1 数据挖掘概念与方法论 | 第18-20页 |
| 2.2 数据挖掘主要分析方法概述 | 第20-23页 |
| 2.2.1 决策树分析 | 第20-21页 |
| 2.2.2 回归 | 第21页 |
| 2.2.3 时间序列 | 第21-22页 |
| 2.2.4 聚类 | 第22页 |
| 2.2.5 关联规则 | 第22页 |
| 2.2.6 神经网络 | 第22-23页 |
| 2.3 数据挖掘工具 | 第23-25页 |
| 2.3.1 常见工具 | 第23-24页 |
| 2.3.2 评价因素 | 第24-25页 |
| 2.4 教育智能概念的提出 | 第25-28页 |
| 2.5 教育智能与教育统计的区别与联系 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 移动学习数据的挖掘与分析 | 第30-50页 |
| 3.1 运用决策树技术研究移动学习的性别差异 | 第30-39页 |
| 3.1.1 实验背景 | 第30-31页 |
| 3.1.2 决策树算法 | 第31-33页 |
| 3.1.3 实验环境与数据获取 | 第33-35页 |
| 3.1.4 数据分析流程 | 第35-37页 |
| 3.1.5 实验结果 | 第37-39页 |
| 3.2 运用聚类分析方法评估片段式学习资源的应用情况 | 第39-49页 |
| 3.2.1 实验背景 | 第39-40页 |
| 3.2.2 聚类算法 | 第40-41页 |
| 3.2.3 实验环境和数据获取 | 第41-42页 |
| 3.2.4 数据分析流程 | 第42-43页 |
| 3.2.5 实验结果分析 | 第43-49页 |
| 3.3 本章小结 | 第49-50页 |
| 第四章 教育智能在移动学习系统中的应用 | 第50-73页 |
| 4.1 移动学习系统介绍 | 第50-57页 |
| 4.1.1 系统基本简介 | 第50-54页 |
| 4.1.2 相关数据表 | 第54页 |
| 4.1.3 Wap 站设计 | 第54-55页 |
| 4.1.4 资源点播的实现 | 第55-56页 |
| 4.1.5 教育智能需求的产生 | 第56-57页 |
| 4.2 时序预测Web 服务的设计与实现 | 第57-70页 |
| 4.2.1 Web 服务与时序预测算法 | 第59-61页 |
| 4.2.2 定义解决问题 | 第61页 |
| 4.2.3 数据理解 | 第61-63页 |
| 4.2.4 数据预处理 | 第63-64页 |
| 4.2.5 建立、评价与解释模型 | 第64-67页 |
| 4.2.6 部署封装为Web 服务 | 第67-70页 |
| 4.3 时序预测Web 服务客户端实现与预测效果验证 | 第70-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-74页 |
| 5.1 本文的主要工作 | 第73页 |
| 5.2 进一步研究设想 | 第73-74页 |
| 附：移动百科相关数据表 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士期间发表的学术论文及参与的项目 | 第81-83页 |