数据挖掘技术在教育信息化中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·研究背景 | 第8页 |
| ·研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·基于云计算的数据挖掘系统应用现状 | 第9页 |
| ·教育信息化国外研究现状 | 第9-10页 |
| ·教育信息化国内研究现状 | 第10-11页 |
| ·研究方法和技术路线 | 第11-14页 |
| ·研究方法 | 第11-12页 |
| ·研究技术路线 | 第12-14页 |
| 第2章 数据挖掘理论基础 | 第14-26页 |
| ·数据挖掘简述 | 第14-18页 |
| ·数据挖掘定义 | 第14页 |
| ·数据挖掘的任务和功能 | 第14-16页 |
| ·数据挖掘的过程 | 第16-17页 |
| ·数据挖掘技术 | 第17-18页 |
| ·聚类算法 | 第18-20页 |
| ·关联规则 | 第20-21页 |
| ·决策树 | 第21-23页 |
| ·主成分分析 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第3章 基于云计算的教育信息化整体方案框架 | 第26-40页 |
| ·云计算概述 | 第26-28页 |
| ·云计算的概念 | 第26页 |
| ·云计算的服务模式 | 第26-27页 |
| ·云计算的应用 | 第27-28页 |
| ·云计算服务模式下的数据挖掘应用平台 | 第28-32页 |
| ·教育信息化架构和核心功能设计 | 第32-38页 |
| ·教育信息化架构 | 第32-33页 |
| ·核心功能设计 | 第33-38页 |
| ·本章小结 | 第38-40页 |
| 第4章 基于数据挖掘技术的教育信息化模型构建 | 第40-56页 |
| ·学生特征分析模块模型构建 | 第40-44页 |
| ·K-means算法 | 第40-42页 |
| ·数据收集及预处理 | 第42-44页 |
| ·数据模型的建立 | 第44页 |
| ·就业因素分析模块模型构建 | 第44-50页 |
| ·C5.0决策树算法 | 第45-47页 |
| ·数据收集及预处理 | 第47-50页 |
| ·数据模型的建立 | 第50页 |
| ·教学管理模块模型构建 | 第50-53页 |
| ·Apriori算法 | 第51-52页 |
| ·数据收集与预处理 | 第52-53页 |
| ·模型建立 | 第53页 |
| ·学生教育评价模块模型构建 | 第53-55页 |
| ·主成分分析方法 | 第54-55页 |
| ·数据收集与预处理 | 第55页 |
| ·数据模型的建立 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第5章 数据挖掘技术在教育信息化中的仿真应用 | 第56-70页 |
| ·学生特征分析模块仿真 | 第56-58页 |
| ·就业因素分析模块仿真 | 第58-61页 |
| ·教学管理模块仿真 | 第61-63页 |
| ·学生教育评价模块仿真 | 第63-67页 |
| ·综合评价分析 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 第6章 总结与展望 | 第70-72页 |
| ·总结 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读学位期间取得的研究成果 | 第76-78页 |
| 致谢 | 第78-79页 |
