学习行为分析与学业预警系统研究与设计
| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究综述 | 第11-14页 |
| 1.2.1 学习行为分析研究现状 | 第11-13页 |
| 1.2.2 学业预警系统研究现状 | 第13-14页 |
| 1.2.3 现有研究不足 | 第14页 |
| 1.3 论文研究内容以及结构安排 | 第14-17页 |
| 1.3.1 论文研究内容 | 第14-16页 |
| 1.3.2 论文结构安排 | 第16-17页 |
| 第二章 相关理论和技术 | 第17-25页 |
| 2.1 数据挖掘技术 | 第17-19页 |
| 2.1.1 数据挖掘的定义 | 第17-18页 |
| 2.1.2 数据挖掘的过程 | 第18页 |
| 2.1.3 数据挖掘主要方法 | 第18-19页 |
| 2.2 特征知识库 | 第19-22页 |
| 2.2.1 知识库的定义 | 第20页 |
| 2.2.2 特征知识库的构建 | 第20-21页 |
| 2.2.3 使用知识库的流程 | 第21-22页 |
| 2.3 数据仓库 | 第22-23页 |
| 2.3.1 数据仓库的定义 | 第22页 |
| 2.3.2 联机多维分析处理 | 第22-23页 |
| 2.4 学业预警系统 | 第23-24页 |
| 2.5 本章总结 | 第24-25页 |
| 第三章 基于网格的快速搜寻密度峰值的聚类算法 | 第25-41页 |
| 3.1 CFSFDP算法原理 | 第25-27页 |
| 3.2 CFSFDP算法的改进 | 第27-32页 |
| 3.2.1 网格划分 | 第28-29页 |
| 3.2.2 数据映射 | 第29页 |
| 3.2.3 局部聚类 | 第29页 |
| 3.2.4 边界点处理 | 第29-30页 |
| 3.2.5 类合并 | 第30页 |
| 3.2.6 算法实现步骤 | 第30-32页 |
| 3.3 实验结果与分析 | 第32-40页 |
| 3.3.1 标准数据集实验结果与分析 | 第32-36页 |
| 3.3.2 教育数据集实验结果与分析 | 第36-39页 |
| 3.3.3 实验总结 | 第39-40页 |
| 3.4 本章总结 | 第40-41页 |
| 第四章基于果蝇优化算法的贝叶斯分类器优化研究 | 第41-52页 |
| 4.1 WNBC-FOA算法概念 | 第42-46页 |
| 4.1.1 朴素贝叶斯算法 | 第42页 |
| 4.1.2 加权朴素贝叶斯模型 | 第42-43页 |
| 4.1.3 FOA算法 | 第43-44页 |
| 4.1.4 WNBC-FOA算法 | 第44-45页 |
| 4.1.5 WNBC-FOA算法步骤 | 第45-46页 |
| 4.2 实验结果与比较 | 第46-50页 |
| 4.3 本章总结 | 第50-52页 |
| 第五章学习行为分析与学业预警系统的实现 | 第52-75页 |
| 5.1 系统设计 | 第52-55页 |
| 5.1.1 系统体系结构设计 | 第52-54页 |
| 5.1.2 系统功能介绍 | 第54-55页 |
| 5.2 数据仓库的设计 | 第55-59页 |
| 5.2.1 数据源 | 第55-56页 |
| 5.2.2 数据预处理 | 第56-58页 |
| 5.2.3 建立多维数据集 | 第58-59页 |
| 5.3 特征知识库设计 | 第59-61页 |
| 5.4 基于学习行为的动态预警 | 第61-67页 |
| 5.4.1 GBCFSFDP算法应用 | 第61-64页 |
| 5.4.2 WNBC-FOA算法应用 | 第64-67页 |
| 5.5 基于成绩的静态预警 | 第67-73页 |
| 5.5.1 功能介绍 | 第68页 |
| 5.5.2 教师界面 | 第68-71页 |
| 5.5.3 学生界面 | 第71-73页 |
| 5.6 本章总结 | 第73-75页 |
| 第六章总结与展望 | 第75-77页 |
| 6.1 工作总结 | 第75页 |
| 6.2 未来展望 | 第75-77页 |
| 参考文献 | 第77-84页 |
| 研究成果及参与的项目 | 第84-85页 |
| 致谢 | 第85-86页 |
