人事考试中相关技术的研究应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1. 引言 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究现状 | 第10-13页 |
| ·目标问题的研究现状 | 第10-11页 |
| ·相关技术的研究现状 | 第11-13页 |
| ·课题来源与论文结构 | 第13-15页 |
| 2. 相关技术的理论综述 | 第15-33页 |
| ·数据挖掘中的分类技术 | 第15-27页 |
| ·数据挖掘相关概念 | 第15-17页 |
| ·分类技术相关概念 | 第17-19页 |
| ·基于决策树的分类 | 第19-21页 |
| ·C4.5 决策树算法 | 第21-24页 |
| ·基于人工神经网络的分类 | 第24-26页 |
| ·BP 神经网络模型 | 第26-27页 |
| ·粒子群优化算法 | 第27-31页 |
| ·算法原理 | 第27-28页 |
| ·算法流程 | 第28-29页 |
| ·全局模式与邻域模式 | 第29-30页 |
| ·改进方式 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 3. 分类技术在试卷难度预测中的研究 | 第33-47页 |
| ·问题的提出 | 第33页 |
| ·解决方案 | 第33-35页 |
| ·模型的选定 | 第35-36页 |
| ·数据预处理 | 第36-39页 |
| ·数据选取与清理 | 第37页 |
| ·数据转换与优化 | 第37-39页 |
| ·C4.5 算法的应用 | 第39-42页 |
| ·C4.5 算法流程 | 第39-40页 |
| ·实验结果 | 第40-42页 |
| ·BP 神经网络模型应用 | 第42-45页 |
| ·BP 网络分类参数确定 | 第42-43页 |
| ·BP 网络分类流程 | 第43页 |
| ·实验结果 | 第43-45页 |
| ·实验结果分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 4. 基于粒子群优化算法的智能组卷策略研究 | 第47-57页 |
| ·问题的提出 | 第47页 |
| ·传统组卷算法简介 | 第47-50页 |
| ·随机选取法 | 第47-48页 |
| ·回溯试探法 | 第48页 |
| ·遗传算法 | 第48-50页 |
| ·基于粒子群优化算法组卷 | 第50-56页 |
| ·数学模型与流程 | 第50-52页 |
| ·粒子群组卷策略 | 第52-54页 |
| ·实验结果与分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 5. 结束语 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间发表的论文 | 第63-64页 |
| 致谢 | 第64页 |
