数据挖掘在学生成绩分析中的应用
| 内容提要 | 第1-8页 |
| 第一章 绪论 | 第8-12页 |
| ·数据挖掘技术研究背景及研究意义 | 第8页 |
| ·数据挖掘的发展历史及国内外研究现状 | 第8-10页 |
| ·选题背景及意义 | 第10页 |
| ·本文的研究内容及论文的结构 | 第10-12页 |
| 第二章 数据挖掘的相关理论 | 第12-21页 |
| ·数据挖掘与知识发现 | 第12-13页 |
| ·数据挖掘的过程 | 第13-14页 |
| ·数据准备阶段 | 第13页 |
| ·数据挖掘阶段 | 第13-14页 |
| ·结果表达和解释阶段 | 第14页 |
| ·数据挖掘的任务 | 第14-16页 |
| ·关联分析 | 第14页 |
| ·时序模式 | 第14-15页 |
| ·聚类 | 第15页 |
| ·分类 | 第15页 |
| ·偏差检测 | 第15-16页 |
| ·预测 | 第16页 |
| ·数据挖掘的分类 | 第16-17页 |
| ·按数据库类型分类 | 第16页 |
| ·按数据挖掘对象分类 | 第16页 |
| ·按数据挖掘任务分类 | 第16页 |
| ·按数据挖掘的方法和技术分类 | 第16-17页 |
| ·数据挖掘的对象 | 第17页 |
| ·数据挖掘的方法和技术 | 第17-19页 |
| ·归纳学习法 | 第17页 |
| ·仿生物技术 | 第17-18页 |
| ·公式发现 | 第18页 |
| ·统计分析方法 | 第18页 |
| ·模糊数学方法 | 第18-19页 |
| ·可视化技术 | 第19页 |
| ·其它的方法 | 第19页 |
| ·数据挖掘的知识表示 | 第19页 |
| ·数据挖掘的应用领域 | 第19-20页 |
| ·本章小节 | 第20-21页 |
| 第三章 数据挖掘算法的分析 | 第21-34页 |
| ·关联规则算法 | 第21-26页 |
| ·概述 | 第21页 |
| ·与关联规则挖掘相关的概念 | 第21-22页 |
| ·Apriori 算法介绍 | 第22-26页 |
| ·分类算法 | 第26-33页 |
| ·分类的目的 | 第26-27页 |
| ·分类的过程 | 第27-28页 |
| ·分类方法的评估标准 | 第28页 |
| ·基于决策树的分类 | 第28-29页 |
| ·决策树分类算法 | 第29-30页 |
| ·决策树的生成 | 第30-31页 |
| ·ID3 算法 | 第31-32页 |
| ·树的剪枝 | 第32-33页 |
| ·从决策树提取分类规则 | 第33页 |
| ·本章小节 | 第33-34页 |
| 第四章 数据挖掘技术在学生成绩分析中的应用 | 第34-54页 |
| ·问题的提出 | 第34页 |
| ·解决方案 | 第34-35页 |
| ·方案实施实例 | 第35-52页 |
| ·确定挖掘对象及目标 | 第35-36页 |
| ·模型的选定 | 第36页 |
| ·数据采集 | 第36页 |
| ·数据预处理 | 第36-40页 |
| ·Apriori 关联算法的实现与应用 | 第40-45页 |
| ·ID3 算法的实现与应用 | 第45-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 决策树分类器的实现 | 第54-60页 |
| ·引言 | 第54-55页 |
| ·决策树分类器功能 | 第55-60页 |
| ·打开数据文件 | 第55页 |
| ·产生决策树 | 第55-56页 |
| ·决策树修剪 | 第56-57页 |
| ·生成分类规则 | 第57-58页 |
| ·预测 | 第58-60页 |
| 结论 | 第60-63页 |
| 参考文献 | 第63-64页 |
| 摘要 | 第64-67页 |
| Abstract | 第67-70页 |
| 攻读学位期间发表的学术论文 | 第70-71页 |
| 致谢 | 第71页 |
