基于关联规则的数据挖掘在高校教学评价中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景 | 第9页 |
| ·数据挖掘研究现状 | 第9-10页 |
| ·选题意义 | 第10-11页 |
| ·主要内容及组织结构 | 第11-13页 |
| 第二章 数据挖掘的相关基础知识 | 第13-19页 |
| ·数据挖掘综述 | 第13-14页 |
| ·数据挖掘的基本概念 | 第13页 |
| ·与传统分析方法的区别之处 | 第13-14页 |
| ·数据挖掘的对象 | 第14页 |
| ·数据挖掘的目标及分类 | 第14页 |
| ·数据挖掘的过程和方法 | 第14-15页 |
| ·数据挖掘的过程 | 第14-15页 |
| ·数据挖掘的方法 | 第15页 |
| ·数据挖掘同数据仓库的之间的内在联系 | 第15-16页 |
| ·数据挖掘的应用领域 | 第16-18页 |
| ·科学研究领域 | 第16页 |
| ·医疗领域 | 第16-17页 |
| ·金融投资业 | 第17页 |
| ·商业零售领域 | 第17-18页 |
| ·电信领域 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 数据仓库的基本概念及原理 | 第19-24页 |
| ·数据仓库的定义 | 第19页 |
| ·数据仓库的特征 | 第19-20页 |
| ·面向主题性 | 第19页 |
| ·数据的集成性 | 第19页 |
| ·数据的时变性 | 第19-20页 |
| ·数据的相对稳定性 | 第20页 |
| ·数据的集合性 | 第20页 |
| ·数据仓库系统结构 | 第20-22页 |
| ·数据源 | 第20-21页 |
| ·数据的存储与管理 | 第21页 |
| ·OLAP(联机分析处理)服务器 | 第21页 |
| ·前端工具 | 第21-22页 |
| ·数据仓库模型 | 第22-23页 |
| ·星形模型 | 第22-23页 |
| ·雪花模型 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第四章 关联规则及Apriori算法研究 | 第24-39页 |
| ·关联规则的基本定义概念 | 第24-26页 |
| ·经典的Apriori算法 | 第26-28页 |
| ·Apriori算法基本思想 | 第26页 |
| ·Apriori算法生成频繁项集的过程 | 第26-27页 |
| ·Apriori算法的主要步骤 | 第27页 |
| ·Apriori算法描述 | 第27-28页 |
| ·Apriori算法的应用举例 | 第28-30页 |
| ·优化Apriori算法的效率 | 第30-37页 |
| ·Apriori-A算法 | 第31页 |
| ·应用举例-1 | 第31-32页 |
| ·Apriori-B算法 | 第32-34页 |
| ·应用举例-2 | 第34-37页 |
| ·由频繁项集产生关联规则 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 数据挖掘在高校教学评价的实践应用 | 第39-53页 |
| ·意义与背景 | 第39页 |
| ·高校教学评价的重要意义 | 第39页 |
| ·亳州师专开展教学评价的背景 | 第39页 |
| ·亳州师专基于关联规则的教学评价系统设计方案 | 第39-42页 |
| ·亳州师专教学评价系统功能设计 | 第39-40页 |
| ·数据挖掘模块的实现设计研究 | 第40-42页 |
| ·亳州师专教学评价的数据挖掘实施过程 | 第42-51页 |
| ·数据预处理内容介绍 | 第42-47页 |
| ·关联规则挖掘 | 第47-48页 |
| ·挖掘结果及分析 | 第48-51页 |
| ·挖掘小结 | 第51页 |
| ·本章小结 | 第51-53页 |
| 第六章 总结和展望 | 第53-54页 |
| ·总结 | 第53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
