数据挖掘在学生评价系统中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·选题的依据和意义 | 第12-13页 |
| ·研究的主要内容 | 第13-14页 |
| ·本文的组织结构 | 第14-15页 |
| 第二章 数据挖掘技术 | 第15-23页 |
| ·数据挖掘的基本概念 | 第15-17页 |
| ·数据挖掘的定义 | 第15-16页 |
| ·数据挖掘与统计分析的区别 | 第16页 |
| ·数据挖掘的分类 | 第16-17页 |
| ·数据挖掘的功能 | 第17-19页 |
| ·数据挖掘的过程 | 第19-20页 |
| ·问题定义 | 第19页 |
| ·数据准备和预处理 | 第19-20页 |
| ·数据挖掘 | 第20页 |
| ·结果解释和模型评估 | 第20页 |
| ·数据挖掘的应用 | 第20-22页 |
| ·数据挖掘在科学研究中的应用 | 第20-21页 |
| ·数据挖掘在商业领域中的应用 | 第21页 |
| ·数据挖掘在其他领域中的应用及前景 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 关联规则挖掘及相关算法实现 | 第23-38页 |
| ·关联规则的基本概念 | 第23-25页 |
| ·关联规则的性质 | 第25-26页 |
| ·关联规则的挖掘过程 | 第26-27页 |
| ·频繁项集的产生 | 第26页 |
| ·由频繁项集产生关联规则 | 第26-27页 |
| ·频繁项集挖掘的主要方法—Apriori 算法 | 第27-35页 |
| ·算法描述 | 第27-30页 |
| ·算法举例实现 | 第30-33页 |
| ·算法性能瓶颈及改进 | 第33-35页 |
| ·强关联规则算法设计与实现 | 第35-37页 |
| ·算法的设计 | 第35-36页 |
| ·算法的实现 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 学生评价系统的设计与实现 | 第38-63页 |
| ·评价系统的概念 | 第38-39页 |
| ·目前研究生招生存在的问题 | 第38页 |
| ·学生评价系统的概念 | 第38-39页 |
| ·学生评价系统的设计 | 第39-41页 |
| ·学生评价系统的总体设计 | 第39页 |
| ·学生评价系统的模块设计 | 第39-40页 |
| ·学生评价系统的流程设计 | 第40-41页 |
| ·学生评价系统挖掘目标定义 | 第41-42页 |
| ·学生评价系统数据的选择 | 第42-48页 |
| ·研究生招生数据的特点 | 第42页 |
| ·研究生招生数据的选择 | 第42-48页 |
| ·学生评价系统数据的预处理 | 第48-56页 |
| ·数据预处理的意义 | 第48页 |
| ·数据预处理的流程 | 第48-50页 |
| ·学生评价系统的数据预处理 | 第50-55页 |
| ·学生评价系统的数据预处理结果 | 第55-56页 |
| ·学生评价系统挖掘的实现与结论分析 | 第56-62页 |
| ·学生评价系统的实现 | 第56-59页 |
| ·学生评价系统频繁项集挖掘 | 第59-60页 |
| ·学生评价系统强关联规则挖掘 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 总结和展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
