基于数据挖掘的高校奖学金分析的应用与研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 课题研究的总体背景 | 第12-15页 |
| ·数据挖掘技术研究的背景 | 第12页 |
| ·本课题研究的背景 | 第12-13页 |
| ·本课题研究的目的和意义 | 第13页 |
| ·本文组织结构 | 第13-15页 |
| 第2章 课题研究的相关理论支持 | 第15-24页 |
| ·数据挖掘的相关概念 | 第15-16页 |
| ·数据挖掘的特点 | 第16-17页 |
| ·数据挖掘的步骤 | 第17-19页 |
| ·数据的准备和预处理 | 第17-18页 |
| ·数据挖掘 | 第18页 |
| ·结果的表达、解释和评估 | 第18-19页 |
| ·数据挖掘的任务 | 第19-21页 |
| ·关联分析 | 第19-20页 |
| ·聚类分析 | 第20页 |
| ·时序模式 | 第20页 |
| ·分类 | 第20-21页 |
| ·偏差检测 | 第21页 |
| ·预测 | 第21页 |
| ·数据挖掘的分类 | 第21-22页 |
| ·根据挖掘任务划分 | 第21页 |
| ·根据挖掘对象划分 | 第21-22页 |
| ·根据挖掘方法划分 | 第22页 |
| ·数据挖掘的应用领域 | 第22-23页 |
| ·数据挖掘在零售业中的应用 | 第22页 |
| ·数据挖掘在保险业中的应用 | 第22-23页 |
| ·数据挖掘在金融投资中的应用 | 第23页 |
| ·数据挖掘在电信业中的应用 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第3章 课题研究总体数据挖掘方法的确立 | 第24-35页 |
| ·数据挖掘的方法 | 第24-27页 |
| ·分类分析 | 第24-25页 |
| ·聚类分析 | 第25-26页 |
| ·关联分析 | 第26页 |
| ·方法总结 | 第26-27页 |
| ·几种常见的分类方法 | 第27-29页 |
| ·贝叶斯算法 | 第27页 |
| ·神经网络 | 第27-28页 |
| ·支持矢量机 | 第28-29页 |
| ·决策树方法 | 第29页 |
| ·基于决策树的分类算法 | 第29-34页 |
| ·基于决策树分类的选择 | 第29-30页 |
| ·决策树分类算法 | 第30-31页 |
| ·决策树的描述 | 第31页 |
| ·决策树的生成 | 第31-32页 |
| ·决策树的构造算法数学模型 | 第32页 |
| ·决策树的简化方法 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 课题研究的具体算法详述 | 第35-41页 |
| ·熵的理论 | 第35页 |
| ·信息论简介 | 第35-36页 |
| ·决策树 ID3 算法 | 第36-40页 |
| ·ID3 算法的基本原理 | 第36-37页 |
| ·ID3 算法的描述 | 第37-39页 |
| ·ID3 算法的性能分析 | 第39页 |
| ·ID3 算法常遇到的问题及解决方案 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 ID3 算法在课题研究中的具体应用 | 第41-57页 |
| ·问题的提出 | 第41-42页 |
| ·奖学金评定中的不足之处及解决方案 | 第42页 |
| ·决策树技术在奖学金评定分析中的具体应用 | 第42-50页 |
| ·确定挖掘对象及目标 | 第42页 |
| ·算法的选定 | 第42-43页 |
| ·数据的采集和数据处理 | 第43-45页 |
| ·利用 ID3 算法构造奖学金评定分析决策树 | 第45-50页 |
| ·决策树技术在奖学金评定分析中的相关应用 | 第50-57页 |
| ·相关应用的引入分析 | 第50-51页 |
| ·近年奖学金评定数据全面分析 | 第51-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第61-62页 |
| 致谢 | 第62-63页 |
