| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究问题的背景 | 第8页 |
| 1.2 研究的目的和意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-12页 |
| 1.4 论文的结构和内容 | 第12-14页 |
| 第2章 数据挖掘概述 | 第14-25页 |
| 2.1 数据挖掘技术简介 | 第14-20页 |
| 2.1.1 数据挖掘的定义 | 第14页 |
| 2.1.2 数据的预处理 | 第14-17页 |
| 2.1.3 数据挖掘的功能 | 第17-18页 |
| 2.1.4 数据挖掘主要流程 | 第18-19页 |
| 2.1.5 数据挖掘的应用 | 第19-20页 |
| 2.2 数据挖掘工具weka平台 | 第20-25页 |
| 2.2.1 数据挖掘工具介绍 | 第20-21页 |
| 2.2.2 Weka数据文件格式 | 第21-22页 |
| 2.2.3 Weka的工作界面 | 第22-25页 |
| 第3章 数据挖掘算法 | 第25-35页 |
| 3.1 关联规则挖掘技术 | 第25-29页 |
| 3.1.1 关联规则算法的基本概念 | 第25-26页 |
| 3.1.2 关联规则的经典算法Apriori算法 | 第26-29页 |
| 3.2 决策树技术 | 第29-35页 |
| 3.2.1 数据分类的基本概念 | 第29页 |
| 3.2.2 决策树介绍 | 第29-32页 |
| 3.2.3 ID3和C4.5 算法 | 第32-35页 |
| 第3章 关联规则在高校招生录取中的应用 | 第35-51页 |
| 4.1 挖掘对象需求分析 | 第35-36页 |
| 4.2 研究分析数据来源 | 第36-37页 |
| 4.3 数据的预处理 | 第37-41页 |
| 4.3.1 数据清理 | 第37页 |
| 4.3.2 数据集成和变换 | 第37-38页 |
| 4.3.3 数据规约 | 第38-41页 |
| 4.4 关联规则在高校招生录取中的应用 | 第41-49页 |
| 4.4.1 用Apriori算法计算招生录取数据源中的支持度和置信度 | 第41-45页 |
| 4.4.2 关联分析Apriori算法实验 | 第45-49页 |
| 4.5 关联挖掘结果对高校的招生录取的启示 | 第49-51页 |
| 第5章 C4.5 决策树在高校招生录取中的应用 | 第51-67页 |
| 5.1 挖掘需求分析 | 第51页 |
| 5.2 数据准备和预处理 | 第51-53页 |
| 5.3 C4.5 决策树算法在高校招生录取中的应用 | 第53-66页 |
| 5.3.1 使用C4.5 算法，来进行决策树的构造 | 第53-60页 |
| 5.3.2 C4.5 决策树算法实验 | 第60-66页 |
| 5.4 C4.5 决策树挖掘结果对学生的启示 | 第66-67页 |
| 第6章 总结和展望 | 第67-69页 |
| 6.1 本文总结 | 第67-68页 |
| 6.2 本文展望 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 附录 | 第71-72页 |
| 攻读学位期间发表的学术论文和科研成果 | 第72-73页 |
| 致谢 | 第73页 |
