数据挖掘在学生成绩分析中的应用研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 课题研究的主要内容 | 第12-13页 |
| 1.4 论文结构简述 | 第13-14页 |
| 第二章 课题研究相关知识概述 | 第14-25页 |
| 2.1 数据仓库与多维数据集 | 第14-17页 |
| 2.1.1 数据仓库的概念及特征 | 第14页 |
| 2.1.2 数据仓库的特征 | 第14-15页 |
| 2.1.3 数据仓库的建立与操作 | 第15-17页 |
| 2.1.4 多维数据集 | 第17页 |
| 2.2 数据挖掘 | 第17-21页 |
| 2.2.1 数据挖掘的概念 | 第17-18页 |
| 2.2.2 数据挖掘的经典算法 | 第18-19页 |
| 2.2.3 数据挖掘的应用领域 | 第19-21页 |
| 2.2.4 数据挖掘结果分析 | 第21页 |
| 2.3 常用的数据挖掘软件 | 第21-24页 |
| 2.3.1 SPSS Modele | 第21-23页 |
| 2.3.2 Weka | 第23-24页 |
| 2.3.3 SAS EM | 第24页 |
| 2.3.4 Intelligent Miner | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于神经网络的学生成绩数据分析 | 第25-43页 |
| 3.1 数据来源 | 第25-28页 |
| 3.1.1 数据来源 | 第25-27页 |
| 3.1.2 数据类型及结构 | 第27-28页 |
| 3.2 建立多维数据集 | 第28-30页 |
| 3.3 数据预处理 | 第30-34页 |
| 3.3.1 数据抽取 | 第31-32页 |
| 3.3.2 数据清洗 | 第32-33页 |
| 3.3.3 数据转换 | 第33-34页 |
| 3.4 建立基于神经网络的预测模型 | 第34-42页 |
| 3.4.1 神经网络概述 | 第34-35页 |
| 3.4.2 神经网络的学习方法 | 第35-36页 |
| 3.4.3 神经网络算法建模具体步骤 | 第36-38页 |
| 3.4.4 基于神经网络预测模型的分析应用 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于关联规则的学生成绩数据分析 | 第43-54页 |
| 4.1 关联规则算法 | 第43-46页 |
| 4.1.1 关联规则的基本概念 | 第43-44页 |
| 4.1.2 关联规则种类 | 第44-45页 |
| 4.1.3 关联规则算法研究及优化改进 | 第45-46页 |
| 4.2 基于关联规则的学生成绩数据分析 | 第46-52页 |
| 4.2.1 数据准备 | 第46-48页 |
| 4.2.2 Apriori算法建模具体步骤 | 第48-51页 |
| 4.2.3 挖掘关联规则 | 第51-52页 |
| 4.2.4 挖掘结果分析 | 第52页 |
| 4.3 本章小结 | 第52-54页 |
| 第五章 结论与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间公开发表的论文 | 第59-60页 |
| 致谢 | 第60-61页 |
