关联规则挖掘在高校招生录取中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-10页 |
| 插图清单 | 第10-11页 |
| 第一章 绪论 | 第11-15页 |
| ·数据挖掘技术的产生背景 | 第11-12页 |
| ·数据挖掘技术的发展与现状 | 第12-13页 |
| ·数据挖掘技术在高校招生中的应用意义 | 第13-14页 |
| ·论文的主要研究内容和结构安排 | 第14-15页 |
| ·论文主要研究内容 | 第14页 |
| ·论文的结构 | 第14-15页 |
| 第二章 数据挖掘技术 | 第15-24页 |
| ·数据挖掘的定义 | 第15-16页 |
| ·数据挖掘的功能 | 第16-18页 |
| ·概念/类描述:特征化和区分 | 第16页 |
| ·关联分析 | 第16-17页 |
| ·分类与预测 | 第17页 |
| ·聚类分析 | 第17页 |
| ·孤立点分析 | 第17-18页 |
| ·时序演变分析 | 第18页 |
| ·数据挖掘过程 | 第18-21页 |
| ·数据集成 | 第19页 |
| ·数据的选择 | 第19-20页 |
| ·数据预处理 | 第20页 |
| ·数据挖掘 | 第20-21页 |
| ·模式评估 | 第21页 |
| ·数据挖掘方法 | 第21-23页 |
| ·统计分析类 | 第21-22页 |
| ·知识发现 | 第22-23页 |
| ·其他数据挖掘技术 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 关联规则描述及挖掘算法 | 第24-32页 |
| ·关联规则理论 | 第24-26页 |
| ·关联规则相关概念 | 第24-25页 |
| ·关联规则的分类 | 第25-26页 |
| ·关联规则挖掘的有效性 | 第26页 |
| ·关联规则挖掘典型算法 | 第26-31页 |
| ·Apriori算法 | 第26-30页 |
| ·FP-Tree算法 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 高校招生数据的概念描述和统计度量 | 第32-43页 |
| ·概念描述 | 第32页 |
| ·数据概化 | 第32-34页 |
| ·面向属性的归纳 | 第32-33页 |
| ·面向属性归纳算法 | 第33-34页 |
| ·高校录取新生数据概化 | 第34-35页 |
| ·高校录取新生数据的统计度量 | 第35-42页 |
| ·度量中心趋势 | 第35-36页 |
| ·度量数据的离散度 | 第36-37页 |
| ·数据分布特性度量 | 第37-42页 |
| ·本章小节 | 第42-43页 |
| 第五章 关联规则挖掘在高校招生录取中的应用 | 第43-53页 |
| ·招生管理模型 | 第43-45页 |
| ·问题的提出 | 第43页 |
| ·招生管理模型 | 第43-45页 |
| ·关联规则挖掘平台 | 第45-48页 |
| ·关联规则挖掘界面介绍 | 第48-51页 |
| ·数据库连接 | 第48页 |
| ·关联规则挖掘平台主界面 | 第48-49页 |
| ·属性概化设置 | 第49页 |
| ·关联规则项集选择 | 第49-50页 |
| ·关联规则挖掘 | 第50-51页 |
| ·高校录取新生入学关联规则 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 结束语 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的学术论文 | 第58页 |
