| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 数据挖掘技术国内外研究现状 | 第10-11页 |
| 1.3 论文的研究内容及组织结构 | 第11-13页 |
| 2 数据挖掘相关理论技术 | 第13-19页 |
| 2.1 数据挖掘技术的产生与发展 | 第13-14页 |
| 2.2 数据挖掘的过程和步骤 | 第14-16页 |
| 2.3 数据挖掘的功能和方法 | 第16-17页 |
| 2.4 数据挖掘的应用 | 第17-19页 |
| 3 数据挖掘算法和挖掘工具介绍 | 第19-33页 |
| 3.1 决策树 | 第19-27页 |
| 3.1.1 决策树的概念 | 第19-20页 |
| 3.1.2 决策树的构建过程 | 第20-22页 |
| 3.1.3 决策树生成分类规则 | 第22页 |
| 3.1.4 常用的决策树算法 | 第22-27页 |
| 3.2 关联规则 | 第27-32页 |
| 3.2.1 关联规则的概念 | 第27-29页 |
| 3.2.2 关联规则挖掘分类 | 第29-30页 |
| 3.2.3 Apriori算法 | 第30-32页 |
| 3.3 常用的挖掘工具介绍 | 第32-33页 |
| 4 高职院校招生数据分析及预处理 | 第33-42页 |
| 4.1 问题的提出 | 第33-34页 |
| 4.2 招生数据来源 | 第34-35页 |
| 4.3 招生信息数据预处理 | 第35-42页 |
| 4.3.1 数据清理与集成 | 第35-36页 |
| 4.3.2 数据规约 | 第36-37页 |
| 4.3.3 数据变换 | 第37-42页 |
| 5 数据挖掘算法在招生情况分析中的具体应用 | 第42-61页 |
| 5.1 影响录取学生报到因素的决策树模型的建立 | 第42-55页 |
| 5.1.1 挖掘算法的选择 | 第42页 |
| 5.1.2 决策树的实现 | 第42-50页 |
| 5.1.3 使用WEKA进行决策树的实现 | 第50-53页 |
| 5.1.4 决策树规则提取 | 第53-55页 |
| 5.1.5 结果分析 | 第55页 |
| 5.2 基于关联规则的招生情况分析 | 第55-59页 |
| 5.2.1 挖掘算法的选择 | 第56页 |
| 5.2.2 使用WEKA进行Apriori算法的实现 | 第56-59页 |
| 5.2.3 结果分析 | 第59页 |
| 5.3 综合比较分析 | 第59-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第65-66页 |
| 致谢 | 第66页 |