| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 国内外现状 | 第13-16页 |
| 1.3.1 学生成绩相关因素研究现状 | 第13-15页 |
| 1.3.2 学生学业水平预测的研究现状 | 第15-16页 |
| 1.3.3 目前研究存在的问题 | 第16页 |
| 1.4 课题任务 | 第16-18页 |
| 1.4.1 研究目标 | 第16-17页 |
| 1.4.2 课题创新点 | 第17页 |
| 1.4.3 技术路线 | 第17-18页 |
| 1.5 本文结构 | 第18-21页 |
| 第2章 相关理论与技术 | 第21-29页 |
| 2.1 层次分析法 | 第21-24页 |
| 2.1.1 层次分析法的提出 | 第21页 |
| 2.1.2 建立层次结构模型 | 第21-22页 |
| 2.1.3 构造判断矩阵 | 第22页 |
| 2.1.4 一致性检验 | 第22-24页 |
| 2.2 AdaBoost | 第24-26页 |
| 2.2.1 机器学习 | 第24页 |
| 2.2.2 AdaBoost算法介绍 | 第24页 |
| 2.2.3 AdaBoost算法流程 | 第24-26页 |
| 2.3 市场调查法 | 第26-27页 |
| 2.3.1 市场调查法的定义 | 第26页 |
| 2.3.2 市场调查法的分类 | 第26-27页 |
| 2.4 软件开发技术 | 第27-28页 |
| 2.4.1 JSP&Servlet | 第27页 |
| 2.4.2 Flex | 第27页 |
| 2.4.3 Microsoft SQL Server 2008 | 第27-28页 |
| 2.4.4 Apache Tomcat | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 中学生多指标学业水平预测模型的分析与设计 | 第29-63页 |
| 3.1 学生学业水平预测问题分析 | 第29-31页 |
| 3.1.1 中学生学业水平预测的目的 | 第29-30页 |
| 3.1.2 教育信息化现状 | 第30-31页 |
| 3.1.3 现有预测模型存在的问题 | 第31页 |
| 3.2 学生学业水平预测指标体系的建立 | 第31-37页 |
| 3.2.1 指标选取方案 | 第31-32页 |
| 3.2.2 指标体系的构成 | 第32-37页 |
| 3.3 指标数据的收集与处理 | 第37-46页 |
| 3.3.1 学习情况数据 | 第37-39页 |
| 3.3.2 日常表现数据 | 第39-40页 |
| 3.3.3 个体因素数据 | 第40-41页 |
| 3.3.4 教师因素数据 | 第41-46页 |
| 3.4 AdaBoost.R2算法应用 | 第46-57页 |
| 3.4.1 实验数据预处理 | 第46页 |
| 3.4.2 输入特征向量确定 | 第46-47页 |
| 3.4.3 输出特征向量确定 | 第47页 |
| 3.4.4 AdaBoost.R2算法过程 | 第47-51页 |
| 3.4.5 AdaBoost.R2算法调优 | 第51-57页 |
| 3.5 实验结果及分析 | 第57-60页 |
| 3.6 本章小结 | 第60-63页 |
| 第4章 学生学业水平预测系统的应用 | 第63-79页 |
| 4.1 学生学业水平预测系统 | 第63-67页 |
| 4.1.1 系统设计目标 | 第63页 |
| 4.1.2 系统拓扑结构 | 第63页 |
| 4.1.3 系统架构设计 | 第63-64页 |
| 4.1.4 应用系统的功能 | 第64-66页 |
| 4.1.5 系统运行环境 | 第66-67页 |
| 4.2 数据库设计 | 第67-72页 |
| 4.2.1 数据库表结构 | 第67-71页 |
| 4.2.2 数据表逻辑关系 | 第71-72页 |
| 4.3 系统运行实现 | 第72-77页 |
| 4.3.1 学生课堂检验成绩 | 第72-73页 |
| 4.3.2 教师教学能力 | 第73-75页 |
| 4.3.3 学业水平预测 | 第75-77页 |
| 4.4 本章小结 | 第77-79页 |
| 第5章 总结与展望 | 第79-81页 |
| 5.1 总结 | 第79页 |
| 5.2 展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-85页 |