| 内容提要 | 第1-8页 |
| 第一章 前言 | 第8-10页 |
| ·研究背景 | 第8页 |
| ·本文意义 | 第8页 |
| ·文本结构 | 第8-10页 |
| 第二章 远程教学系统概述 | 第10-15页 |
| ·远程教学系统的优点 | 第10-11页 |
| ·当前远程教学系统的不足 | 第11-12页 |
| ·构建现代远程教学系统 | 第12-14页 |
| ·数据挖掘技术在远程教学系统中的应用 | 第14-15页 |
| 第三章 数据挖掘技术综述 | 第15-26页 |
| ·数据挖掘的概念 | 第15页 |
| ·数据挖掘与OLAP的区别 | 第15-16页 |
| ·数据挖掘与知识发现的区别 | 第16-18页 |
| ·数据挖掘的特点 | 第18-19页 |
| ·数据挖掘的分类 | 第19页 |
| ·数据挖掘的方法 | 第19-21页 |
| ·数据挖掘模型的建立和算法选择 | 第21页 |
| ·数据挖掘的流程 | 第21-23页 |
| ·确定业务对象 | 第22页 |
| ·知识挖掘 | 第22-23页 |
| ·数据挖掘所面临的挑战 | 第23-24页 |
| ·数据仓库的概念 | 第24-25页 |
| ·数据挖掘在教育领域内应用的发展趋势 | 第25-26页 |
| 第四章 基于数据挖掘的远程教学系统的构建 | 第26-36页 |
| ·远程教学系统的理论依据 | 第26-27页 |
| ·传统的远程教学模型及其弊端 | 第27-28页 |
| ·基于数据挖掘的个性远程教学系统模型 | 第28-32页 |
| ·基于数据挖掘的个性化远程教学系统模型说明 | 第29-30页 |
| ·系统流程 | 第30-32页 |
| ·系统实现模型 | 第32-34页 |
| ·关键技术 | 第34-36页 |
| 第五章 用决策树方法根据考试成绩为学习者分类 | 第36-46页 |
| ·决策树方法介绍 | 第36-38页 |
| ·决策树定义 | 第36页 |
| ·ID3算法 | 第36-38页 |
| ·用ID3算法构造学习者考试成绩决策树 | 第38-43页 |
| ·数据清理 | 第39-42页 |
| ·构造学习者考试成绩决策树 | 第42-43页 |
| ·结果分析与运用 | 第43-45页 |
| ·结果分析 | 第43-44页 |
| ·由决策树产生分类规则 | 第44页 |
| ·为学习者分类 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第六章 利用 Web挖掘提供给学习者个性化学习界面 | 第46-55页 |
| ·Web挖掘概述 | 第46-49页 |
| ·Web数据挖掘的概念 | 第46页 |
| ·Web数据挖掘的分类 | 第46-47页 |
| ·Web日志挖掘过程 | 第47-49页 |
| ·Web挖掘技术在远程教学系统中的应用 | 第49页 |
| ·发现学习者频繁遍历路径以提供其个性化学习界面 | 第49-55页 |
| 第七章 结束语 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 摘要 | 第58-60页 |
| Abstract | 第60-62页 |
| 致谢 | 第62页 |