| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 前言 | 第8-11页 |
| ·问题的提出 | 第8-9页 |
| ·研究内容 | 第9-10页 |
| ·本文的组织结构 | 第10-11页 |
| 2 网络学习评价理论及研究现状 | 第11-16页 |
| ·网络学习评价概述 | 第11-13页 |
| ·网络学习简述 | 第11页 |
| ·网络学习评价的概念 | 第11-12页 |
| ·网络学习评价的内容 | 第12页 |
| ·网络学习评价的意义和功能 | 第12-13页 |
| ·网络学习评价研究现状 | 第13-15页 |
| ·数据挖掘技术 | 第15-16页 |
| 3 数据挖掘技术在网络学习评价中的应用模型 | 第16-22页 |
| ·网络学习评价的一般过程 | 第16-18页 |
| ·基于数据挖掘的网络学习评价系统的模型 | 第18-19页 |
| ·模型中的各模块功能介绍 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 4 网络学习评价中的决策挖掘 | 第22-33页 |
| ·决策树分类方法 | 第22-28页 |
| ·决策树的概念 | 第22-23页 |
| ·决策树的建立 | 第23页 |
| ·决策树的修剪 | 第23-24页 |
| ·决策树ID3 算法 | 第24-26页 |
| ·属性选择度量 | 第26-27页 |
| ·从决策树生成规则 | 第27-28页 |
| ·决策分析 | 第28-32页 |
| ·数据预处理 | 第28-29页 |
| ·挖掘过程 | 第29-31页 |
| ·解释与评价 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 5 网络学习评价中的关联规则挖掘 | 第33-42页 |
| ·关联规则方法 | 第33-35页 |
| ·关联规则相关概念 | 第33-34页 |
| ·Apriori 算法 | 第34-35页 |
| ·由频繁项集产生关联规则 | 第35页 |
| ·关联分析 | 第35-41页 |
| ·数据预处理 | 第35-36页 |
| ·挖掘过程 | 第36-41页 |
| ·解释与评价 | 第41页 |
| ·本章小结 | 第41-42页 |
| 6 基于数据挖掘的学生评价系统 | 第42-47页 |
| ·系统实验平台 | 第42页 |
| ·实验结果及评价 | 第42-46页 |
| ·基于决策树的挖掘 | 第42-44页 |
| ·基于关联规则的挖掘 | 第44-45页 |
| ·其它功能 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 7 总结和未来工作 | 第47-49页 |
| ·论文总结 | 第47-48页 |
| ·进一步工作讨论 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录A:ID3 算法 java 实现核心代码 | 第53-60页 |
| 附录B:Apriori 算法 java 实现核心代码 | 第60-82页 |