基于K-means算法的学生校园活动管理分析
| 中文摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题的研究背景及意义 | 第10-11页 |
| ·国内外的研究现状 | 第11-12页 |
| ·国内研究的现状 | 第11页 |
| ·国外的研究动态及发展趋势 | 第11-12页 |
| ·课题的主要工作 | 第12页 |
| ·论文的组织结构 | 第12-14页 |
| 第二章 数据挖掘和聚类分析技术 | 第14-20页 |
| ·数据挖掘 | 第14-18页 |
| ·数据挖掘概述 | 第14-15页 |
| ·数据挖掘任务 | 第15-16页 |
| ·数据挖掘方法 | 第16-17页 |
| ·数据挖掘过程 | 第17-18页 |
| ·数据挖掘的应用 | 第18页 |
| ·聚类分析 | 第18-19页 |
| ·聚类分析概述 | 第18-19页 |
| ·聚类算法要求 | 第19页 |
| ·小结 | 第19-20页 |
| 第三章 学生校园活动中数据的预处理 | 第20-38页 |
| ·数据预处理 | 第20-21页 |
| ·数据预处理的主要任务 | 第21-22页 |
| ·数据预处理的主要方法 | 第22-28页 |
| ·数据的清洗 | 第22-25页 |
| ·数据的集成 | 第25-26页 |
| ·数据的变换 | 第26页 |
| ·数据的规约 | 第26-28页 |
| ·数据的离散化 | 第28页 |
| ·学生校园活动特征的数据的预处理 | 第28-37页 |
| ·学工管理系统中学生信息的存储 | 第28-29页 |
| ·学生校园活动管理系统的数据清理工作 | 第29-30页 |
| ·学生校园活动管理系统数据的集成 | 第30页 |
| ·学生校园活动管理系统的数据变换 | 第30-33页 |
| ·学生校园活动信息的数据规约 | 第33-37页 |
| ·小结 | 第37-38页 |
| 第四章 学生校园活动数据的聚类分析 | 第38-57页 |
| ·聚类方法的分类 | 第38-39页 |
| ·K-means 算法 | 第39-46页 |
| ·K-means 算法相对于其他聚类算法的优点 | 第39-40页 |
| ·传统 K-means 算法的基本原理 | 第40-41页 |
| ·传统 K-means 算法中的几种重要的距离 | 第41-42页 |
| ·传统 K-means 算法中的存在的问题 | 第42页 |
| ·传统 K-means 算法问题的解决方法 | 第42-44页 |
| ·优化的 K-means 算法 | 第44-46页 |
| ·学生校园活动分析系统的实现 | 第46-56页 |
| ·开发环境 | 第46-47页 |
| ·待测数据的格式 | 第47-48页 |
| ·算法的优化以及核心代码 | 第48-53页 |
| ·优化算法应用到学生校园活动分析系统的结果 | 第53-56页 |
| ·小结 | 第56-57页 |
| 第五章 总结 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间本人出版或公开发表的论著、论文 | 第62-63页 |
| 致谢 | 第63-64页 |
