| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 课题国内外研究现状 | 第12-16页 |
| 1.2.1 煤矿安全规程考试智能组卷发展概括 | 第12-13页 |
| 1.2.2 数据挖掘国内外研究现状 | 第13-14页 |
| 1.2.3 贝叶斯分类器国内外应用现状 | 第14-16页 |
| 1.3 课题来源 | 第16页 |
| 1.4 本文主要研究内容 | 第16-18页 |
| 第2章 煤矿安全规程考试管理系统建模 | 第18-38页 |
| 2.1 煤矿安全规程考试系统的智能组卷 | 第18-26页 |
| 2.1.1 智能组卷模型 | 第18-19页 |
| 2.1.2 智能组卷试卷评价指标 | 第19-25页 |
| 2.1.3 智能组卷算法简介 | 第25-26页 |
| 2.2 基于改进遗传算法的煤矿安全规程考试系统智能组卷方法 | 第26-38页 |
| 2.2.1 智能组卷中遗传算法基本操作过程 | 第26-28页 |
| 2.2.3 遗传算法早熟现象分析 | 第28-29页 |
| 2.2.4 改进遗传算法及其组卷应用 | 第29-36页 |
| 2.2.5 改进遗传算法组卷结果 | 第36-38页 |
| 第3章 基于双层贝叶斯分类的数据挖掘方法 | 第38-45页 |
| 3.1 贝叶斯分类理论基础 | 第38-39页 |
| 3.1.1 贝叶斯网络的定义及公式 | 第38页 |
| 3.1.2 最大后验假设与最大似然假设 | 第38-39页 |
| 3.2 朴素贝叶斯分类器模型 | 第39-40页 |
| 3.3 双层贝叶斯分类器模型 | 第40-45页 |
| 3.3.1 贝叶斯分类公式的改进 | 第40-41页 |
| 3.3.2 双层贝叶斯分类模型构建 | 第41-42页 |
| 3.3.3 双层贝叶斯分类模型算法流程 | 第42-44页 |
| 3.3.4 双层贝叶斯分类模型算法时间复杂度 | 第44-45页 |
| 第4章 基于双层贝叶斯分类的煤矿安全规程考试成绩预测 | 第45-56页 |
| 4.1 员工煤矿安全规程考试数据预处理 | 第45-51页 |
| 4.1.1 数据准备 | 第45-46页 |
| 4.1.2 数据清理 | 第46-48页 |
| 4.1.3 数据转换 | 第48-51页 |
| 4.2 双层贝叶斯分类器实现过程 | 第51-54页 |
| 4.2.1 互信息均值的计算 | 第51-52页 |
| 4.2.2 检测样本集分类 | 第52-54页 |
| 4.2.3 计算检测样本集分类准确度 | 第54页 |
| 4.3 仿真实验结果分析 | 第54-56页 |
| 4.3.1 朴素贝叶斯分类器与DLBAN分类器实验结果 | 第54页 |
| 4.3.2 训练样本集样本数对实验结果的影响 | 第54-56页 |
| 第5章 煤矿安全规程考试管理系统设计与实现 | 第56-68页 |
| 5.1 考试系统软件总体设计概述 | 第56-57页 |
| 5.1.1 软件开发平台与运行平台 | 第56页 |
| 5.1.2 软件需求分析 | 第56-57页 |
| 5.1.3 软件总体框架设计 | 第57页 |
| 5.2 试题库的设计 | 第57-59页 |
| 5.2.1 试题的数据结构 | 第57-58页 |
| 5.2.2 试题的数据表 | 第58-59页 |
| 5.3 考试系统软件功能模块设计 | 第59-66页 |
| 5.3.1 图形用户界面模块 | 第59-60页 |
| 5.3.2 用户信息管理模块 | 第60-61页 |
| 5.3.3 试题生成与管理子系统 | 第61-64页 |
| 5.3.4 选择题选项显示打乱处理 | 第64-66页 |
| 5.4 系统的安全设计 | 第66-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 附录A 煤矿安全规程考试打印试卷首页 | 第75-76页 |
| 附录B 软件著作权 | 第76页 |
