| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·论文研究的背景 | 第9-11页 |
| ·论文研究的内容 | 第11-12页 |
| ·论文结构介绍 | 第12-13页 |
| 第2章 数据挖掘技术 | 第13-26页 |
| ·数据挖掘技术的简介 | 第13-20页 |
| ·数据挖掘技术的由来 | 第13页 |
| ·数据挖掘的概念 | 第13-15页 |
| ·数据挖掘的发展 | 第15-17页 |
| ·数据挖掘的应用 | 第17-18页 |
| ·数据挖掘的过程 | 第18-20页 |
| ·数据挖掘的方法和技术 | 第20-22页 |
| ·关联分析(Associations) | 第20-21页 |
| ·决策树方法(Decision Trees) | 第21页 |
| ·聚类分析(Clustering) | 第21页 |
| ·遗传算法(Genetic Algorithms) | 第21-22页 |
| ·数据挖掘系统及工具 | 第22-23页 |
| ·数据挖掘的发展趋势 | 第23-26页 |
| 第3章 招生决策系统 | 第26-29页 |
| ·招生决策系统概述 | 第26页 |
| ·招生决策系统设计 | 第26-29页 |
| 第4章 生源报到信息分类分析总体架构 | 第29-41页 |
| ·数据挖掘的模型 | 第29页 |
| ·功能需求分析 | 第29-30页 |
| ·概念模型设计 | 第30-34页 |
| ·概念模型的需求分析 | 第30页 |
| ·定义概念模型 | 第30-33页 |
| ·概念模型的考查 | 第33-34页 |
| ·逻辑模型设计 | 第34-36页 |
| ·逻辑模型设计的主要工作 | 第34-35页 |
| ·逻辑模式定义 | 第35-36页 |
| ·数据预处理 | 第36-40页 |
| ·源数据分析 | 第36-38页 |
| ·来源数据处理技术 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 生源报到信息分类分析模型的构建 | 第41-61页 |
| ·生源报到信息分类分析决策树模型 | 第41-44页 |
| ·数据分类 | 第41-42页 |
| ·常用的分类规则挖掘方法 | 第42-44页 |
| ·生源报到信息关联规则分析模型 | 第44-46页 |
| ·关联规则的分类 | 第44页 |
| ·Apriori算法 | 第44-46页 |
| ·生源报到信息关联规则分析 | 第46-53页 |
| ·决策树算法 | 第53-54页 |
| ·ID3算法 | 第53-54页 |
| ·分类规则的实际应用 | 第54-60页 |
| ·生源报到信息分类决策树的生成 | 第54-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 生源报到信息分类分析模型的评估 | 第61-64页 |
| ·数据挖掘工作结果总结 | 第61页 |
| ·生源报到信息分类模型的评估 | 第61-64页 |
| 第7章 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |