| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究的背景和意义 | 第9页 |
| 1.2 国内外研究现状分析 | 第9-11页 |
| 1.2.1 教育数据挖掘国内外研究现状 | 第10-11页 |
| 1.2.2 教育数据挖掘中的教学评价知识挖掘研究现状 | 第11页 |
| 1.3 研究的主要内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-15页 |
| 2 教育数据挖掘概述 | 第15-19页 |
| 2.1 教育数据挖掘的定义 | 第15页 |
| 2.2 教育数据挖掘的过程 | 第15-16页 |
| 2.3 教育数据挖掘的数据来源 | 第16页 |
| 2.4 教育数据挖掘方法 | 第16-18页 |
| 2.5 本章小结 | 第18-19页 |
| 3 学生评教数据分析及数据预处理 | 第19-29页 |
| 3.1 学生评教数据概述 | 第19-20页 |
| 3.2 数据结构分析 | 第20-22页 |
| 3.3 数据准备与选取 | 第22-25页 |
| 3.4 数据集成 | 第25-26页 |
| 3.5 数据变换与规范化 | 第26-27页 |
| 3.6 本章小结 | 第27-29页 |
| 4 教学评价数据的离群点检测算法研究 | 第29-41页 |
| 4.1 离群点检测概述 | 第29页 |
| 4.2 分类型属性数据离群点检测算法概述 | 第29-30页 |
| 4.2.1 基于信息熵的离群点检测算法 | 第29-30页 |
| 4.2.2 基于频率的离群点检测算法 | 第30页 |
| 4.3 改进的基于频率的离群点挖掘算法 | 第30-39页 |
| 4.3.1 算法的基本思路 | 第30-32页 |
| 4.3.2 聚类算法的选择 | 第32-34页 |
| 4.3.3 相似度度量的选择 | 第34-35页 |
| 4.3.4 算法描述与分析 | 第35-36页 |
| 4.3.5 改进的离群点检测算法的性能 | 第36-39页 |
| 4.4 本章小结 | 第39-41页 |
| 5 教学评价数据的关联规则算法研究 | 第41-59页 |
| 5.1 关联规则概念和基本性质 | 第41-42页 |
| 5.1.1 基本概念 | 第41页 |
| 5.1.2 相关性质 | 第41-42页 |
| 5.2 基于压缩矩阵的频繁项集挖掘算法 | 第42-44页 |
| 5.3 改进的基于压缩矩阵的多值属性频繁项集挖掘算法 | 第44-53页 |
| 5.3.1 算法的主要思想 | 第44-45页 |
| 5.3.2 数据转换 | 第45-46页 |
| 5.3.3 频繁项集挖掘 | 第46-47页 |
| 5.3.4 算法描述 | 第47-50页 |
| 5.3.5 算法实例 | 第50-51页 |
| 5.3.6 实验结果及对比 | 第51-53页 |
| 5.4 改进的算法在教学评价数据中的应用 | 第53-57页 |
| 5.5 本章小结 | 第57-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 主要工作总结 | 第59-60页 |
| 6.2 研究展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |