决策树与关联分析在高职院校教学管理中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景和意义 | 第10-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·数据挖掘技术 | 第13-16页 |
| ·基本概念 | 第13-14页 |
| ·关键技术 | 第14-15页 |
| ·数据挖掘的过程 | 第15-16页 |
| ·本文主要内容与组织结构 | 第16-18页 |
| 第二章 决策树分类算法 | 第18-24页 |
| ·算法概述 | 第18-21页 |
| ·基本概念 | 第18-19页 |
| ·决策树生成过程 | 第19页 |
| ·属性度量选择 | 第19-21页 |
| ·ID3算法 | 第21-22页 |
| ·C4.5算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 关联分析 | 第24-27页 |
| ·相关定义 | 第24-25页 |
| ·关联规则的挖掘过程 | 第25页 |
| ·Apriori算法 | 第25-26页 |
| ·总结 | 第26-27页 |
| 第四章 决策树分类算法在学生就业成才分析中的应用 | 第27-39页 |
| ·问题分析 | 第27页 |
| ·数据预处理 | 第27-30页 |
| ·对学生课程进行分组 | 第28-29页 |
| ·对学生个人成绩表及学生评价表进行数据处理 | 第29-30页 |
| ·决策树算法 | 第30-35页 |
| ·算法基本流程 | 第30-31页 |
| ·基于ID3算法的决策树模型 | 第31-33页 |
| ·基于C4.5的决策树模型 | 第33-35页 |
| ·实验结果与分析 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 关联分析在课程参考书分析中的应用 | 第39-59页 |
| ·问题分析 | 第39页 |
| ·数据分析与数据预处理 | 第39-43页 |
| ·利用Apriori算法进行数据挖掘 | 第43-53页 |
| ·基本思想 | 第44页 |
| ·基本流程 | 第44-47页 |
| ·基于元规则的数据挖掘 | 第47-53页 |
| 1、设计元规则 | 第47-49页 |
| 2、使用元规则进行数据挖掘 | 第49-51页 |
| 3、设置最小支持度和最小置信度确定频繁项集 | 第51-53页 |
| ·实验结果与分析 | 第53-58页 |
| ·验证参考书和课程成绩之间的关系 | 第53-56页 |
| ·实验结果 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·研究工作总结 | 第59-60页 |
| ·下一步研究方向 | 第60-61页 |
| 插图目录 | 第61页 |
| 表格目录 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 在攻读硕士期间科研及获奖情况 | 第67页 |
