数据挖掘在学生成绩分析中的应用研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 引言 | 第9页 |
| 1.2 研究的背景和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 本文的主要工作 | 第11-12页 |
| 1.5 本文的结构 | 第12-14页 |
| 第二章 相关概念与相关技术 | 第14-24页 |
| 2.1 数据仓库的基本概念 | 第14-15页 |
| 2.2 数据仓库的体系结构 | 第15-17页 |
| 2.3 数据仓库结构类型 | 第17-19页 |
| 2.4 联机分析处理技术 | 第19-20页 |
| 2.5 数据挖掘技术 | 第20-21页 |
| 2.6 数据挖掘的流程 | 第21-23页 |
| 2.7 本章小结 | 第23-24页 |
| 第三章 成绩信息数据仓库的设计 | 第24-41页 |
| 3.1 确定决策主题 | 第24-25页 |
| 3.2 数据准备 | 第25页 |
| 3.3 数据仓库模型设计 | 第25-29页 |
| 3.3.1 概念模型 | 第25-26页 |
| 3.3.2 逻辑模型 | 第26-27页 |
| 3.3.3 物理模型 | 第27-29页 |
| 3.4 数据的抽取、清洗、转换、加载 | 第29-34页 |
| 3.4.1 ETL问题与解决 | 第29-31页 |
| 3.4.2 ETL实现途径 | 第31-32页 |
| 3.4.3 具体实现 | 第32-34页 |
| 3.5 联机分析处理 | 第34-39页 |
| 3.5.1 多维数据集的建立 | 第34-37页 |
| 3.5.2 课程及格率 | 第37-38页 |
| 3.5.3 课程优良率 | 第38页 |
| 3.5.4 课程基础 | 第38-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 数据挖掘技术在学生成绩分析中的应用 | 第41-65页 |
| 4.1 关联规则挖掘 | 第41-50页 |
| 4.1.1 关联规则的基本概念 | 第41-42页 |
| 4.1.2 Apriori算法实现 | 第42-43页 |
| 4.1.3 算法举例 | 第43-47页 |
| 4.1.4 代码实现及运行结果 | 第47-50页 |
| 4.2 聚类规则挖掘 | 第50-56页 |
| 4.2.1 聚类规则概念 | 第50-52页 |
| 4.2.2 K-means算法 | 第52-53页 |
| 4.2.3 算法举例 | 第53-55页 |
| 4.2.4 代码实现及运行结果 | 第55-56页 |
| 4.3 分类规则挖掘 | 第56-64页 |
| 4.3.1 分类算法基本描述 | 第56-57页 |
| 4.3.2 决策树算法 | 第57-59页 |
| 4.3.3 算法举例 | 第59-64页 |
| 4.3.4 分类规则解释及分析 | 第64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 结论 | 第65-67页 |
| 5.1 研究结论 | 第65页 |
| 5.2 下一步工作 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70页 |
