| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-17页 |
| 1.1 课题背景和意义 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 论文研究内容及组织结构 | 第15-17页 |
| 1.3.1 论文的研究内容 | 第15-16页 |
| 1.3.2 论文的组织结构 | 第16-17页 |
| 2 相关技术分析 | 第17-22页 |
| 2.1 Web挖掘的意义和分类 | 第17-19页 |
| 2.1.1 Web挖掘的意义 | 第17页 |
| 2.1.2 Web挖掘的分类 | 第17-19页 |
| 2.2 关联规则的基本概念 | 第19-21页 |
| 2.2.1 经典的Apriori算法分析 | 第19-21页 |
| 2.2.2 关联规则生成算法 | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 Apriori算法研究及改进 | 第22-43页 |
| 3.1 Apriori算法的概述 | 第22-28页 |
| 3.1.1 使用候选项集找频繁项集 | 第22-26页 |
| 3.1.2 由频繁项集产生强关联规则 | 第26-27页 |
| 3.1.3 Apriori算法实现描述 | 第27-28页 |
| 3.2 算法在高校学生信息中的问题 | 第28-31页 |
| 3.2.1 当前我国高校毕业生就业现状 | 第28-29页 |
| 3.2.2 高校就业属性 | 第29-31页 |
| 3.3 Apriori算法的改进 | 第31-38页 |
| 3.3.1 改进算法属性选择的过程 | 第32-33页 |
| 3.3.2 影响应用结果的因素 | 第33-38页 |
| 3.4 新旧算法的比较 | 第38-39页 |
| 3.5 算法的验证 | 第39-42页 |
| 3.6 本章小结 | 第42-43页 |
| 4 改进的Apriori算法在学生就业系统中的应用 | 第43-61页 |
| 4.1 学生就业分析系统设计原则 | 第43-47页 |
| 4.1.1 学生就业分析系统设计原则 | 第43-44页 |
| 4.1.2 系统的结构设计 | 第44-46页 |
| 4.1.3 数据表的设计 | 第46-47页 |
| 4.2 算法在应用平台上的结构设计 | 第47-51页 |
| 4.3 算法在应用平台上的实现 | 第51-56页 |
| 4.4 应用结果的比较与分析 | 第56-60页 |
| 4.4.1 应用结果分类 | 第56页 |
| 4.4.2 第一类规则的具体描述说明 | 第56-57页 |
| 4.4.3 第二类规则的具体描述说明 | 第57-58页 |
| 4.4.4 第三类规则的具体描述说明 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-63页 |
| 5.1 论文总结 | 第61-62页 |
| 5.2 后期展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |