| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 研究目标 | 第12页 |
| 1.4 研究意义 | 第12-13页 |
| 1.5 论文组织结构 | 第13-14页 |
| 1.6 本章小结 | 第14-15页 |
| 2 相关技术综述 | 第15-24页 |
| 2.1 数据挖掘概述 | 第15-16页 |
| 2.2 数据挖掘的主要算法 | 第16-17页 |
| 2.3 决策树算法 | 第17-19页 |
| 2.4 关联规则算法 | 第19-20页 |
| 2.5 Microsoft SQL Server BI数据挖掘功能 | 第20-23页 |
| 2.5.1 集成服务 | 第22页 |
| 2.5.2 SQL Server BI数据挖掘算法 | 第22页 |
| 2.5.3 SQL Server BI数据挖掘过程 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 3 中职学校教学管理的数据挖掘需求分析 | 第24-27页 |
| 3.1 教学管理系统的现状与不足 | 第24页 |
| 3.2 中职生教学中的数据挖掘需求 | 第24-26页 |
| 3.3 基于数据挖掘的教学数据分析方案 | 第26页 |
| 3.4 本章小结 | 第26-27页 |
| 4 基于决策树的学生成绩分析 | 第27-38页 |
| 4.1 问题背景 | 第27页 |
| 4.2 解决方案设计 | 第27-28页 |
| 4.3 数据准备 | 第28-31页 |
| 4.3.1 数据的收集 | 第29-30页 |
| 4.3.2 数据的清洗和转换 | 第30-31页 |
| 4.4 构建决策树分类模型 | 第31-35页 |
| 4.4.1 Microsoft决策树算法的原理 | 第31页 |
| 4.4.2 构建和使用决策树模型 | 第31-34页 |
| 4.4.3 Microsoft决策树算法的参数设置 | 第34-35页 |
| 4.5 决策树算法挖掘学生成绩结果分析 | 第35-37页 |
| 4.6 本章小结 | 第37-38页 |
| 5 关联规则算法在学生成绩分析中的应用 | 第38-50页 |
| 5.1 问题背景 | 第38页 |
| 5.2 解决方案设计 | 第38-39页 |
| 5.3 数据准备 | 第39-41页 |
| 5.3.1 数据收集 | 第39-40页 |
| 5.3.2 数据清理 | 第40页 |
| 5.3.3 转换数据 | 第40-41页 |
| 5.4 构建和使用关联规则分析模型 | 第41-48页 |
| 5.5 结果分析 | 第48页 |
| 5.6 本章小结 | 第48-50页 |
| 6 数据挖掘结果在教学管理的应用 | 第50-54页 |
| 6.1 问题背景 | 第50页 |
| 6.2 解决思路 | 第50-52页 |
| 6.3 预警等级划分 | 第52-53页 |
| 6.4 学习策略推荐 | 第53页 |
| 6.5 本章小结 | 第53-54页 |
| 7 结束语 | 第54-55页 |
| 7.1 总结 | 第54页 |
| 7.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间取得的研究成果 | 第59-60页 |
| 学位论文数据集表 | 第60-61页 |
