| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 数据挖掘研究现状 | 第9-10页 |
| 1.2.2 教育行为分析研究现状 | 第10-11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 1.4 本文的组织结构 | 第12页 |
| 1.5 本章小结 | 第12-14页 |
| 第2章 相关技术和原理 | 第14-24页 |
| 2.1 数据挖掘技术 | 第14-16页 |
| 2.1.1 数据挖掘的概念 | 第14-15页 |
| 2.1.2 数据挖掘的主要方法 | 第15-16页 |
| 2.2 关联规则数据挖掘算法 | 第16-21页 |
| 2.2.1 FP-growth算法 | 第19页 |
| 2.2.2 Sampling算法 | 第19-20页 |
| 2.2.3 Eclat算法 | 第20页 |
| 2.2.4 Apriori算法 | 第20-21页 |
| 2.3 教学行为分析相关理论 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 关联规则算法的改进与分析 | 第24-46页 |
| 3.1 Apriori算法分析 | 第24-29页 |
| 3.2 基于矩阵运算的改进Apriori算法 | 第29-34页 |
| 3.3 基于减少扫描次数的算法加速 | 第34-37页 |
| 3.4 Apriori算法在教育云平台的应用 | 第37-41页 |
| 3.5 算法性能分析 | 第41-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第4章 基于关联规则的教师教学行为分析 | 第46-68页 |
| 4.1 教育云平台数据挖掘任务分析 | 第46-48页 |
| 4.1.1 教育云平台数据挖掘的任务 | 第46-47页 |
| 4.1.2 教育云平台数据挖掘的对象 | 第47-48页 |
| 4.2 教育云平台数据挖掘系统设计 | 第48-52页 |
| 4.2.1 系统总体架构 | 第48-49页 |
| 4.2.2 系统业务功能设计 | 第49-52页 |
| 4.2.3 数据仓库模型设计 | 第52页 |
| 4.3 教师教学数据采集及预处理 | 第52-55页 |
| 4.4 基于Apriori算法的关联规则分析系统实现 | 第55-61页 |
| 4.5 系统测试 | 第61-66页 |
| 4.5.1 测试环境 | 第61-62页 |
| 4.5.2 测试内容 | 第62页 |
| 4.5.3 登录验证模块测试 | 第62页 |
| 4.5.4 管理往期结果、修改基础参数模块测试 | 第62-63页 |
| 4.5.5 数据挖掘模块测试 | 第63页 |
| 4.5.6 可视化模块测试 | 第63-64页 |
| 4.5.7 兼容性测试 | 第64-65页 |
| 4.5.8 系统响应时间测试 | 第65-66页 |
| 4.6 本章小结 | 第66-68页 |
| 第5章 实验结果分析 | 第68-78页 |
| 5.1 概述 | 第68页 |
| 5.2 实验数据 | 第68-70页 |
| 5.3 评价方法 | 第70页 |
| 5.4 实验结果 | 第70-77页 |
| 5.5 本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间所获得的学术成果 | 第84-86页 |
| 致谢 | 第86页 |