| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 数据挖掘的研究现状 | 第9-12页 |
| 1.2.2 数据挖掘在心理危机预防中的应用研究现状 | 第12-14页 |
| 1.3 论文的组织结构安排 | 第14-16页 |
| 第2章 数据挖掘技术 | 第16-22页 |
| 2.1 数据挖掘技术的原理及基本步骤 | 第16-17页 |
| 2.1.1 数据挖掘的定义及原理 | 第16页 |
| 2.1.2 数据挖掘的基本步骤 | 第16-17页 |
| 2.2 数据挖掘中常用的分类 | 第17-22页 |
| 2.2.1 分类概述 | 第17-18页 |
| 2.2.2 基于决策树的分类算法 | 第18-19页 |
| 2.2.3 基于人工神经网络的分类算法 | 第19-20页 |
| 2.2.4 基于贝叶斯的分类算法 | 第20-22页 |
| 第3章 基于数据挖掘的心理危机预防模型建立 | 第22-36页 |
| 3.1 心理测量的背景知识及系统数据来源 | 第22-23页 |
| 3.1.1 心理测量的背景知识 | 第22-23页 |
| 3.1.2 数据来源 | 第23页 |
| 3.2 数据预处理 | 第23-26页 |
| 3.2.1 数据净化 | 第24页 |
| 3.2.2 数据离散化 | 第24-26页 |
| 3.2.3 数据平衡 | 第26页 |
| 3.3 建立模型 | 第26-36页 |
| 3.3.1 基于 CART 决策树算法的心理危机预防模型 | 第26-28页 |
| 3.3.2 基于 BP 人工神经网络算法的心理危机预防模型 | 第28-31页 |
| 3.3.3 基于模式识别网络算法的心理危机预防模型 | 第31-36页 |
| 第4章 心理危机预防模型的测试 | 第36-53页 |
| 4.1 基于 CART 决策树模型的结果分析 | 第36-41页 |
| 4.1.1 CART 决策树的可视化 | 第36页 |
| 4.1.2 影响 CART 决策树分类器性能的因素分析 | 第36-39页 |
| 4.1.3 提取规则 | 第39-40页 |
| 4.1.4 CART 决策树分类模型的精确度分析 | 第40-41页 |
| 4.2 基于人工神经网络算法的模型结果分析 | 第41-44页 |
| 4.2.1 BP 神经网络模型的可视化 | 第41-42页 |
| 4.2.2 影响 BP 神经网络分类器性能的因素分析 | 第42-43页 |
| 4.2.3 BP 神经网络分类模型的精确度分析 | 第43-44页 |
| 4.3 基于模式识别网络算法的模型结果分析 | 第44-47页 |
| 4.3.1 模式识别网络模型的可视化 | 第44-45页 |
| 4.3.2 影响模式识别网络分类器性能的因素分析 | 第45-46页 |
| 4.3.3 模式识别网络算法分类模型的精确度分析 | 第46-47页 |
| 4.4 模型性能的评估、比较 | 第47-51页 |
| 4.4.1 分类准确率比较 | 第48-49页 |
| 4.4.2 基于贝叶斯公式的后验预测概率比较 | 第49-50页 |
| 4.4.3 其他分类性能比较 | 第50-51页 |
| 4.5 小结 | 第51-53页 |
| 第5章 基于数据挖掘的心理危机预防系统设计及实现 | 第53-61页 |
| 5.1 基于数据挖掘的心理危机预防系统的需求分析 | 第53-55页 |
| 5.2 基于数据挖掘的心理危机预防系统的系统设计 | 第55-58页 |
| 5.2.1 数据预处理模块流程图 | 第55-56页 |
| 5.2.2 数据挖掘内核模块流程图 | 第56-58页 |
| 5.3 基于数据挖掘的心理危机预防系统的实现与测试 | 第58-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 本文研究成果 | 第61-62页 |
| 6.2 不足与展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 1 攻读硕士学位期间发表的论文 | 第67-68页 |
| 详细摘要 | 第68-72页 |
