数据挖掘技术在辽宁大学生就业辅助决策分析系统中的研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-13页 |
| ·数据挖掘技术研究背景和应用情况 | 第10-11页 |
| ·课题研究的目的和意义 | 第11-13页 |
| 第二章 数据挖掘关键技术 | 第13-21页 |
| ·数据挖掘概述 | 第13-14页 |
| ·数据挖掘概念 | 第14-15页 |
| ·数据挖掘的过程 | 第15-16页 |
| ·确定业务对象 | 第15页 |
| ·数据准备 | 第15页 |
| ·数据挖掘 | 第15页 |
| ·结果分析 | 第15页 |
| ·知识的同化 | 第15-16页 |
| ·数据挖掘的主要方法 | 第16-18页 |
| ·神经网络方法 | 第16页 |
| ·遗传算法 | 第16-17页 |
| ·决策树方法 | 第17页 |
| ·粗糙集方法 | 第17-18页 |
| ·统计分析方法 | 第18页 |
| ·覆盖正例排斥反例方法 | 第18页 |
| ·模糊集方法 | 第18页 |
| ·数据挖掘的主要任务 | 第18-19页 |
| ·数据总结 | 第18-19页 |
| ·分类 | 第19页 |
| ·关联分析 | 第19页 |
| ·聚类 | 第19页 |
| ·数据挖掘的主要工具 | 第19-21页 |
| 第三章 数据挖掘中的分类技术 | 第21-32页 |
| ·类的基本概念与步骤 | 第21-23页 |
| ·分类的目的 | 第21-22页 |
| ·分类的主要步骤 | 第22页 |
| ·分类方法的评估标准 | 第22-23页 |
| ·基于决策树的分类算法 | 第23-25页 |
| ·决策树基本算法概述 | 第25-27页 |
| ·ID3算法 | 第25-26页 |
| ·C4.5算法 | 第26页 |
| ·SLIQ算法 | 第26-27页 |
| ·SPRINT算法 | 第27页 |
| ·基于贝叶斯的分类算法 | 第27-29页 |
| ·神经网络 | 第29-30页 |
| ·几种分类算法的比较 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 数据挖掘在高校学生就业分析中的应用 | 第32-56页 |
| ·引言 | 第32-33页 |
| ·决策树在高校就业信息分析中的应用 | 第33-55页 |
| ·分类实施流程图 | 第33-34页 |
| ·确定研究对象及挖掘目标 | 第34页 |
| ·数据采集 | 第34-37页 |
| ·数据预处理 | 第37-44页 |
| ·数据分类模型 | 第44-47页 |
| ·构造决策树 | 第47-51页 |
| ·树的剪枝 | 第51-52页 |
| ·生成分类规则 | 第52-55页 |
| ·分类预测规则测试 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第五章 结论 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 附录A 就业分析训练样本(部分) | 第60-62页 |
| 附录B 生成决策树 | 第62-72页 |
| 附录C 分类规则 | 第72-90页 |
| 在学研究成果 | 第90-91页 |
| 致谢 | 第91页 |
