| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·论文的研究背景及选题意义 | 第9-11页 |
| ·国内外现状综述 | 第11-13页 |
| ·论文研究的内容 | 第13-14页 |
| 2 数据挖掘与分类规则挖掘 | 第14-20页 |
| ·数据挖掘的产生 | 第14页 |
| ·什么是数据挖掘 | 第14-15页 |
| ·数据挖掘的模式 | 第15-16页 |
| ·分类规则挖掘方法概述 | 第16-19页 |
| ·决策树分类算法 | 第16-17页 |
| ·人工神经网络 | 第17-19页 |
| ·小结 | 第19-20页 |
| 3 BP 算法及改进 | 第20-27页 |
| ·多层前馈神经网络 | 第20-21页 |
| ·BP 算法 | 第21页 |
| ·BP 算法的不足 | 第21-22页 |
| ·BP 算法的若干改进 | 第22-26页 |
| ·小结 | 第26-27页 |
| 4 粒子群算法基础 | 第27-31页 |
| ·群智能简介 | 第27页 |
| ·粒子群优化算法的基本原理 | 第27-28页 |
| ·粒子群算法的特点 | 第28-29页 |
| ·粒子群算法的改进 | 第29-30页 |
| ·小结 | 第30-31页 |
| 5 粒子群优化算法思想改进的 BP 算法 | 第31-38页 |
| ·改进的P50 算法(Improved PSO，IPSO) | 第31-32页 |
| ·IP50 算法思想改进BP 算法（IPSOBP） | 第32-34页 |
| ·IPSOBP 算法训练神经网络的实验结果 | 第34-37页 |
| ·异或问题（XOR 问题）数据集上的实验 | 第34-35页 |
| ·IRIS 问题数据集上的实验 | 第35-37页 |
| ·小结 | 第37-38页 |
| 6 LCAM 模型的构建及实现 | 第38-52页 |
| ·人工神经网络在教育领域数据挖掘的应用 | 第38页 |
| ·LCAM 模型 | 第38-40页 |
| ·数据采集平台的构建 | 第40-45页 |
| ·目的及现实意义 | 第40页 |
| ·问卷调查系统的功能及流程设计 | 第40页 |
| ·问卷调查系统的实现 | 第40-45页 |
| ·数据采集及提取 | 第45-47页 |
| ·调查问卷的设计 | 第45-46页 |
| ·训练样本的选择与预处理 | 第46-47页 |
| ·神经网络分类模块拓扑结构的确定 | 第47-50页 |
| ·应用实验及结果分析 | 第50-51页 |
| ·实验环境 | 第50页 |
| ·应用实验结果分析 | 第50-51页 |
| ·小结 | 第51-52页 |
| 7 论文的总结 | 第52-54页 |
| ·论文的主要工作 | 第52页 |
| ·进一步努力的方向 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录：问卷调查系统软件说明 | 第58-73页 |
| 独创性声明 | 第73页 |
| 学位论文版权使用授权书 | 第73页 |