基于数据挖掘的教育分析系统的研究与实现
摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第10-15页 |
1.1 背景与选题意义 | 第10-11页 |
1.2 研究现状 | 第11-14页 |
1.2.1 国外研究现状 | 第11-13页 |
1.2.2 国内研究现状 | 第13-14页 |
1.3 研究内容和论文结构 | 第14-15页 |
第二章 教育数据挖掘方法与开源工具 | 第15-21页 |
2.1 分类问题 | 第15-17页 |
2.2 聚类问题 | 第17-18页 |
2.3 关联分析问题 | 第18-19页 |
2.4 开源的数据挖掘工具Weka | 第19-20页 |
2.5 本章小结 | 第20-21页 |
第三章 教育数据挖掘分析系统需求定义与分析 | 第21-26页 |
3.1 系统功能需求定义 | 第21-23页 |
3.1.1 学生专业能力达标预测 | 第21-23页 |
3.1.2 课程教学状态分析 | 第23页 |
3.1.3 学生选课行为规律挖掘 | 第23页 |
3.2 需求分析 | 第23-25页 |
3.2.1 学生专业能力达标预测需求分析 | 第23-24页 |
3.2.2 课程教学状态分析 | 第24页 |
3.2.3 选课行为规律挖掘需求分析 | 第24-25页 |
3.3 本章小结 | 第25-26页 |
第四章 学生专业能力达标预测模块的探究与实践 | 第26-40页 |
4.1 分类算法的建模原理及流程 | 第26-29页 |
4.1.1 C4.5决策树算法 | 第26-27页 |
4.1.2 逻辑回归算法 | 第27-28页 |
4.1.3 支持向量机算法 | 第28-29页 |
4.2 模型评估与模型选择框架 | 第29-31页 |
4.2.1 二元分类度量与ROC曲线 | 第29-30页 |
4.2.2 交叉验证方法 | 第30页 |
4.2.3 模型选择框架 | 第30-31页 |
4.3 分类实验与结果分析 | 第31-39页 |
4.3.1 数据采集与预处理 | 第31-33页 |
4.3.2 模型建立与模型评估 | 第33-39页 |
4.3.3 实验结果的及其分析 | 第39页 |
4.4 本章小结 | 第39-40页 |
第五章 课程教学状态分析模块的探究与实践 | 第40-49页 |
5.1 聚类算法与规则分类算法的原理和流程 | 第40-42页 |
5.1.1 基于密度的聚类算法DBSCAN | 第40-41页 |
5.1.2 基于规则的重复增量剪枝算法 | 第41-42页 |
5.2 规则分类实验与结果分析 | 第42-45页 |
5.2.1 数据收集与预处理 | 第42-43页 |
5.2.2 RIPPER分类实验过程 | 第43-44页 |
5.2.3 实验结果及其分析 | 第44-45页 |
5.3 聚类实验与结果分析 | 第45-48页 |
5.3.1 数据收集与预处理 | 第45页 |
5.3.2 聚类实验过程 | 第45-48页 |
5.3.3 实验结果及其分析 | 第48页 |
5.4 本章小结 | 第48-49页 |
第六章 学生选课行为规律挖掘模块的探究与实践 | 第49-55页 |
6.1 关联分析FP增长算法 | 第49-50页 |
6.2 关联分析实验 | 第50-54页 |
6.2.1 数据收集与预处理 | 第50-52页 |
6.2.2 执行算法与选课行为规则发现 | 第52-53页 |
6.2.3 实验结果及其分析 | 第53-54页 |
6.3 本章小结 | 第54-55页 |
第七章 教育数据分析系统的设计与实现 | 第55-72页 |
7.1 教育数据分析系统的总体设计 | 第55-57页 |
7.2 数据源模块 | 第57-59页 |
7.3 数据挖掘引擎模块 | 第59-63页 |
7.3.1 算法建模 | 第59-61页 |
7.3.2 模型评估 | 第61-63页 |
7.4 用户请求监听模块 | 第63-64页 |
7.5 结果输出与应用预测模块 | 第64-65页 |
7.5.1 结果输出 | 第65页 |
7.5.2 应用预测 | 第65页 |
7.6 教育数据分析系统应用与测试 | 第65-71页 |
7.7 本章小结 | 第71-72页 |
第八章 总结与展望 | 第72-74页 |
8.1 本文总结 | 第72-73页 |
8.2 本文研究不足与未来工作展望 | 第73-74页 |
参考文献 | 第74-76页 |
致谢 | 第76-77页 |
攻读学位期间发表的学术论文目录 | 第77页 |