数据挖掘在本科人才培养中的应用研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题的研究背景意义 | 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9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 论文主要研究内容及章节安排 | 第11-12页 |
| 第二章 数据挖掘技术 | 第12-21页 |
| 2.1 数据挖掘概述 | 第12-13页 |
| 2.2 关联规则算法 | 第13-15页 |
| 2.2.1 关联规则挖掘的提出 | 第13页 |
| 2.2.2 关联规则算法基本概念 | 第13-14页 |
| 2.2.3 Apriori算法 | 第14-15页 |
| 2.3 神经网络算法 | 第15-19页 |
| 2.3.1 感知机算法 | 第15-17页 |
| 2.3.2 梯度下降法 | 第17页 |
| 2.3.3 随机梯度下降算法 | 第17-18页 |
| 2.3.4 Adagrad算法简介 | 第18-19页 |
| 2.3.5 Adam算法简介 | 第19页 |
| 2.4 局部离群点定义以及LOF挖掘算法 | 第19-20页 |
| 2.4.1 LOF形式化定义 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 课程和就业关联分析 | 第21-31页 |
| 3.1 毕业生就业调查问卷方案设计 | 第21-22页 |
| 3.1.1 确定调查目的 | 第21页 |
| 3.1.2 调查的范围 | 第21页 |
| 3.1.3 就业质量评价指标选取与问卷设计 | 第21-22页 |
| 3.2 就业调查问卷平台的软件实现 | 第22-24页 |
| 3.2.1 系统概述 | 第22页 |
| 3.2.2 调查问卷发布回收 | 第22-24页 |
| 3.3 数据简介 | 第24-25页 |
| 3.3.1 数据来源 | 第24页 |
| 3.3.2 数据预处理 | 第24-25页 |
| 3.4 分析方法与工具 | 第25页 |
| 3.5 软件工程专业挖掘结果分析 | 第25-29页 |
| 3.6 计算机科学与技术专业挖掘结果分析 | 第29-30页 |
| 3.7 本章小结 | 第30-31页 |
| 第四章 离群学生成绩预警研究 | 第31-44页 |
| 4.1 数据简介 | 第31-33页 |
| 4.1.1 数据来源 | 第31页 |
| 4.1.2 数据预处理 | 第31-33页 |
| 4.2 Lof检测离群学生 | 第33-37页 |
| 4.2.1 用Lof算法检测离群学生流程 | 第33-34页 |
| 4.2.2 离群的检测 | 第34-36页 |
| 4.2.3 学生学习状态分析 | 第36-37页 |
| 4.3 神经网络模型预测离群学生成绩 | 第37-43页 |
| 4.3.1 数据预处理 | 第37-38页 |
| 4.3.2 多层神经网络算法的设计 | 第38-40页 |
| 4.3.3 模型优化 | 第40-42页 |
| 4.3.4 离群学生目标课程预警 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 5.1 论文研究工作总结 | 第44页 |
| 5.2 进一步工作与展望 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 附录 | 第50-53页 |
