| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14页 |
| 1.3 研究的主要内容 | 第14-15页 |
| 1.4 论文主要内容与组织结构 | 第15-17页 |
| 2 数据挖掘概念及主要挖掘技术 | 第17-28页 |
| 2.1 数据挖掘概念 | 第17-18页 |
| 2.1.1 数据挖掘的产生 | 第17页 |
| 2.1.2 数据挖掘的定义及特点 | 第17页 |
| 2.1.3 数据挖掘过程 | 第17-18页 |
| 2.2 相关数据挖掘技术 | 第18-27页 |
| 2.2.1 数据预处理技术 | 第19-20页 |
| 2.2.2 关联规则 | 第20-23页 |
| 2.2.3 决策树 | 第23-26页 |
| 2.2.4 基于T检验的数据分析 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 3 关联规则在学生评教中的应用 | 第28-45页 |
| 3.1 学生评教及相关数据 | 第28-29页 |
| 3.2 学生评教数据关联分析任务 | 第29-30页 |
| 3.3 数据准备与预处理 | 第30-32页 |
| 3.3.1 相关数据结构 | 第30页 |
| 3.3.2 数据清洗与转换 | 第30-32页 |
| 3.4 关联分析过程与算法 | 第32-37页 |
| 3.4.1 关联规则分析过程 | 第32-33页 |
| 3.4.2 Apriori算法的改进 | 第33-37页 |
| 3.5 实例分析 | 第37-44页 |
| 3.5.1 实例数据集及预处理 | 第37-42页 |
| 3.5.2 关联分析结果与应用 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 4 决策树在听课评价中的应用 | 第45-62页 |
| 4.1 听课评价及其相关数据 | 第45-46页 |
| 4.2 听课评价数据分类任务 | 第46页 |
| 4.3 数据准备与预处理 | 第46-49页 |
| 4.3.1 数据结构与属性选择 | 第46-47页 |
| 4.3.2 数据清洗与转换 | 第47-49页 |
| 4.4 决策树分类过程与算法 | 第49-52页 |
| 4.4.1 决策树分类过程 | 第49-50页 |
| 4.4.2 ID3算法的改进 | 第50-52页 |
| 4.5 实例分析 | 第52-61页 |
| 4.5.1 实例数据集及预处理 | 第52-56页 |
| 4.5.2 构造决策树 | 第56-60页 |
| 4.5.3 决策树分析结果与应用 | 第60-61页 |
| 4.5.4 分类规则测试 | 第61页 |
| 4.6 本章小结 | 第61-62页 |
| 5 基于T检验的数据分析技术在综合教学评价中的应用 | 第62-67页 |
| 5.1 综合教学评价数据分析任务 | 第62页 |
| 5.2 数据准备与预处理 | 第62页 |
| 5.3 基于T检验的数据分析过程 | 第62-63页 |
| 5.3.1 分析指标 | 第62-63页 |
| 5.3.2 检验过程 | 第63页 |
| 5.4 实例分析 | 第63-66页 |
| 5.4.1 实例数据集及预处理 | 第63-64页 |
| 5.4.2 基于T检验的数据分析结果与应用 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74-75页 |
| 学位论文数据集表 | 第75页 |