| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 研究内容 | 第9-10页 |
| 1.4 结构安排 | 第10-11页 |
| 第2章 R语言与数据挖掘技术概述 | 第11-23页 |
| 2.1 R语言概述 | 第11-12页 |
| 2.1.1 R语言介绍 | 第11页 |
| 2.1.2 R语言特点 | 第11-12页 |
| 2.2 基于R语言的数据挖掘技术概述 | 第12-13页 |
| 2.2.1 数据整合与清洗 | 第12-13页 |
| 2.3 数据挖掘算法 | 第13-23页 |
| 2.3.1 相关性分析 | 第13-15页 |
| 2.3.2 因子分析 | 第15-17页 |
| 2.3.3 聚类分析算法 | 第17-19页 |
| 2.3.4 关联规则挖掘算法 | 第19-23页 |
| 第3章 基于课程成绩数据的高职学生专业知识偏好分析 | 第23-38页 |
| 3.1 问题提出 | 第23页 |
| 3.2 数据准备 | 第23-24页 |
| 3.3 相关性分析 | 第24-26页 |
| 3.4 专业偏好分析 | 第26-33页 |
| 3.5 专业课程关联规则挖掘 | 第33-38页 |
| 第4章 基于关键阶段识别的高职学生专业发展潜力分析 | 第38-44页 |
| 4.1 问题提出 | 第38页 |
| 4.2 数据准备 | 第38-39页 |
| 4.3 关键阶段识别 | 第39-40页 |
| 4.4 多元线性回归分析 | 第40-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 5.1 本文主要工作 | 第44页 |
| 5.2 本文主要创新点 | 第44-45页 |
| 5.3 不足与展望 | 第45-46页 |
| 第6章 参考文献 | 第46-48页 |
| 致谢 | 第48-49页 |
| 申请学位期间的研究成果及发表的学术论文 | 第49页 |