| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 国外研究现状 | 第9页 |
| 1.3 国内研究现状 | 第9-10页 |
| 1.4 研究的主要内容 | 第10页 |
| 1.5 本文的组织结构 | 第10-12页 |
| 第二章 数据挖掘技术 | 第12-17页 |
| 2.1 数据挖掘的基本概念 | 第12页 |
| 2.2 数据挖掘的分类 | 第12-13页 |
| 2.3 数据挖掘的对象 | 第13-14页 |
| 2.4 数据挖掘的过程 | 第14-15页 |
| 2.5 数据挖掘的应用 | 第15-16页 |
| 2.5.1 数据挖掘在科学研究中的应用 | 第15页 |
| 2.5.2 数据挖掘在商业领域中的应用 | 第15-16页 |
| 2.5.3 数据挖掘在教育领域中的应用 | 第16页 |
| 2.6 本章小结 | 第16-17页 |
| 第三章 关联规则挖掘及相关算法实现 | 第17-26页 |
| 3.1 关联规则的基本概念 | 第17-18页 |
| 3.2 关联规则的性质 | 第18页 |
| 3.3 关联规则的挖掘过程 | 第18-19页 |
| 3.4 频繁项集挖掘的主要方法—Apriori算法 | 第19-21页 |
| 3.5 Apriori算法的举例及强关联规则的实现 | 第21-25页 |
| 3.6 本章小结 | 第25-26页 |
| 第四章 中职生评价系统的分析与设计 | 第26-36页 |
| 4.1 系统需求与功能分析 | 第26页 |
| 4.2 系统设计的总体思想 | 第26-28页 |
| 4.2.1 学生评价系统的总体设计 | 第26页 |
| 4.2.2 学生评价系统的模块设计 | 第26-28页 |
| 4.3 学生评价系统数据的选择 | 第28-31页 |
| 4.3.1 中职生招生数据的特点 | 第28页 |
| 4.3.2 中职生招生数据的选择 | 第28-31页 |
| 4.4 学生评价系统数据的预处理 | 第31-35页 |
| 4.4.1 数据预处理的意义 | 第31页 |
| 4.4.2 数据处理的流程 | 第31-33页 |
| 4.4.3 学生评价系统的数据预处理 | 第33-35页 |
| 4.4.4 学生评价系统的数据预处理结果 | 第35页 |
| 4.5 本章小结 | 第35-36页 |
| 第五章 中职生评价系统的实现 | 第36-42页 |
| 5.1 学生评价系统数据的来源 | 第36-37页 |
| 5.2 学生评价系统数据的选取 | 第37-38页 |
| 5.3 学生评价系统数据的转换 | 第38-39页 |
| 5.4 学生评价系统关联规则挖掘结果及分析 | 第39-41页 |
| 5.5 招生对策 | 第41页 |
| 5.6 本章小结 | 第41-42页 |
| 第六章 总结和展望 | 第42-44页 |
| 6.1 总结 | 第42页 |
| 6.2 展望 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 攻读硕士学位期间发表的论文与科研项目 | 第48-49页 |
| 致谢 | 第49-50页 |