数据挖掘算法在特警训练测评系统中的应用与研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11页 |
| 1.3 论文的主要研究内容 | 第11-12页 |
| 1.4 论文结构内容安排 | 第12-14页 |
| 第2章 关联数据挖掘算法 | 第14-28页 |
| 2.1 APRIORI算法 | 第14-16页 |
| 2.1.1 支持度、置信度定义 | 第14页 |
| 2.1.2 关联规则挖掘的步骤 | 第14页 |
| 2.1.3 Apriori定律 | 第14-15页 |
| 2.1.4 算法描述 | 第15-16页 |
| 2.2 FPGROWTH算法 | 第16-22页 |
| 2.2.1 算法描述 | 第16-17页 |
| 2.2.2 FpGrowth的一个实现例子 | 第17-22页 |
| 2.3 基于TREEMAP的关联挖掘算法 | 第22-27页 |
| 2.3.1 算法描述 | 第22-24页 |
| 2.3.2 实验评估 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 分类数据挖掘算法 | 第28-44页 |
| 3.1 决策树归纳 | 第29-32页 |
| 3.2 ID3算法 | 第32-34页 |
| 3.3 C4.5 算法 | 第34-38页 |
| 3.3.1 算法描述 | 第34-35页 |
| 3.3.2 特警训练实例 | 第35-38页 |
| 3.4 CART算法 | 第38-39页 |
| 3.5 随机森林算法 | 第39-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第4章 一种基于全局离散化的分类改进算法 | 第44-56页 |
| 4.1 方法 | 第44-48页 |
| 4.1.1 ARFF数据文件的描述 | 第44-46页 |
| 4.1.2 全局离散化预处理 | 第46-48页 |
| 4.2 分类和评估过程 | 第48-49页 |
| 4.3 实验 | 第49-54页 |
| 4.3.1 实验数据集 | 第49-54页 |
| 4.3.2 实验结果比较 | 第54页 |
| 4.4 本章小结 | 第54-56页 |
| 第5章 特警素质测评系统的设计与实现 | 第56-70页 |
| 5.1 系统用户 | 第56页 |
| 5.2 功能需求 | 第56-60页 |
| 5.2.1 角色管理 | 第56-57页 |
| 5.2.2 训练科目管理 | 第57页 |
| 5.2.3 考核标准管理 | 第57-58页 |
| 5.2.4 考核成绩管理 | 第58-59页 |
| 5.2.5 特警训练成绩查询 | 第59-60页 |
| 5.3 非功能需求 | 第60-61页 |
| 5.4 功能模块设计 | 第61页 |
| 5.5 数据库设计 | 第61-64页 |
| 5.6 模块实现 | 第64-68页 |
| 5.6.1 考核成绩管理 | 第64页 |
| 5.6.2 统计管理 | 第64-68页 |
| 5.7 本章小结 | 第68-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间所取得的科研成果 | 第76-78页 |
| 致谢 | 第78页 |
