| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 数据挖掘研究和发展现状 | 第10-13页 |
| 1.2.2 数据挖掘在人力资源上的研究和应用现状 | 第13-14页 |
| 1.3 研究内容和思路 | 第14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 1.5 小结 | 第15-16页 |
| 第二章 人力资源管理系统架构及数据仓库设计 | 第16-24页 |
| 2.1 人力资源管理系统简介 | 第16页 |
| 2.2 人力资源管理系统业务架构设计 | 第16-19页 |
| 2.2.1 整体结构功能框图 | 第16-17页 |
| 2.2.2 业务处理关系图 | 第17-18页 |
| 2.2.3 系统框架图 | 第18-19页 |
| 2.3 数据仓库 | 第19-21页 |
| 2.4 人力资源系统数据仓库设计 | 第21-23页 |
| 2.4.1 基于主题的数据仓库设计 | 第21-22页 |
| 2.4.2 人力资源管理系统数据仓库的系统结构 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 组合决策树及在人力资源管理系统的应用 | 第24-44页 |
| 3.1 决策树算法 | 第24-25页 |
| 3.2 Weka简介 | 第25-29页 |
| 3.3 Weka扩展 | 第29-34页 |
| 3.3.1 组合分类器 | 第30-31页 |
| 3.3.2 基于多种决策树算法的组合分类器 | 第31-34页 |
| 3.4 组合决策树在人力资源管理系统的挖掘应用 | 第34-43页 |
| 3.4.1 人力资源数据详细信息及数据预处理 | 第34-39页 |
| 3.4.2 采用Weka中J48算法对人力资源数据进行挖掘 | 第39-40页 |
| 3.4.3 采用组合决策树算法对人力资源数据进行挖掘 | 第40-43页 |
| 3.5 结论和展望 | 第43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 自适应蚁群分类规则挖掘算法 | 第44-58页 |
| 4.1 基于规则的分类算法 | 第44页 |
| 4.2 蚁群算法 | 第44-46页 |
| 4.2.1 蚁群算法的基本原理 | 第44-46页 |
| 4.2.2 自适应蚁群算法 | 第46页 |
| 4.3 自适应蚁群分类规则挖掘算法 | 第46-51页 |
| 4.3.1 规则生成 | 第47-48页 |
| 4.3.2 剪枝策略 | 第48页 |
| 4.3.3 对ρ的自适应设计 | 第48-50页 |
| 4.3.4 算法描述 | 第50-51页 |
| 4.4 仿真实验与结果分析 | 第51-56页 |
| 4.4.1 不同参数值的实验结果 | 第51-54页 |
| 4.4.2 公共数据集实验结果 | 第54页 |
| 4.4.3 在人力资源数据集上的实验结果 | 第54-56页 |
| 4.5 结论及展望 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 结论与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |