数据挖掘技术在大学生心理问题分析中的应用研究
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 序言 | 第11-15页 |
1.1 国内外的研究现状 | 第11-13页 |
1.1.1 数据挖掘的研究现状 | 第11-12页 |
1.1.2 大学生心理问题的现状 | 第12-13页 |
1.2 本研究的提出和意义 | 第13页 |
1.3 本文的研究重点和主要内容 | 第13-15页 |
第2章 数据挖掘技术 | 第15-22页 |
2.1 数据挖掘的概念 | 第15页 |
2.2 数据挖掘的主要功能 | 第15-16页 |
2.2.1 概念描述 | 第15页 |
2.2.2 关联规则分析 | 第15页 |
2.2.3 分类和数值预测 | 第15-16页 |
2.2.4 聚类分析 | 第16页 |
2.2.5 离群点分析 | 第16页 |
2.2.6 演变分析 | 第16页 |
2.3 数据挖掘系统的分类 | 第16-17页 |
2.4 数据挖掘的主要方法 | 第17-19页 |
2.4.1 决策树 | 第17页 |
2.4.2 遗传算法 | 第17-18页 |
2.4.3 神经网络 | 第18页 |
2.4.4 统计分析 | 第18-19页 |
2.4.5 粗糙集 | 第19页 |
2.4.6 模糊集 | 第19页 |
2.5 数据挖掘的主要过程 | 第19-21页 |
2.5.1 确定业务对象 | 第20页 |
2.5.2 数据预处理 | 第20页 |
2.5.3 数据挖掘 | 第20-21页 |
2.5.4 结果分析 | 第21页 |
2.5.5 知识同化 | 第21页 |
2.6 本章小结 | 第21-22页 |
第3章 数据挖掘中的分类 | 第22-30页 |
3.1 分类概述 | 第22-24页 |
3.1.1 分类的目的 | 第22页 |
3.1.2 分类的步骤 | 第22-23页 |
3.1.3 分类方法的评估标准 | 第23-24页 |
3.2 几种主要分类算法 | 第24-28页 |
3.2.1 基于决策树的分类算法 | 第24-26页 |
3.2.2 基于贝叶斯的分类算法 | 第26-27页 |
3.2.3 神经网络分类算法 | 第27-28页 |
3.3 几种分类算法的比较 | 第28页 |
3.4 数据挖掘算法的确定 | 第28-29页 |
3.5 本章小结 | 第29-30页 |
第4章 数据挖掘在大学生心理问题分析中的应用 | 第30-51页 |
4.1 确定研究对象及挖掘目标 | 第30-31页 |
4.2 数据采集 | 第31-32页 |
4.3 数据预处理 | 第32-35页 |
4.3.1 数据清理 | 第32页 |
4.3.2 数据集成 | 第32-33页 |
4.3.3 数据选择 | 第33页 |
4.3.4 数据转换 | 第33-35页 |
4.4 构造决策树 | 第35-40页 |
4.4.1 决策树归纳的基本策略 | 第35-36页 |
4.4.2 属性选择度量 | 第36-38页 |
4.4.3 构造大学生心理问题决策树 | 第38-40页 |
4.5 树剪枝 | 第40-47页 |
4.5.1 先剪枝 | 第40-41页 |
4.5.2 后剪枝 | 第41-47页 |
4.6 产生分类规则 | 第47-49页 |
4.7 结果分析 | 第49页 |
4.8 模型准确性评估 | 第49-50页 |
4.9 本章小结 | 第50-51页 |
第5章 大学生心理数据管理系统的设计与实现 | 第51-61页 |
5.1 需求分析 | 第51-52页 |
5.1.1 数据挖掘业务流程 | 第51-52页 |
5.1.2 系统体系结构 | 第52页 |
5.2 系统功能设计 | 第52-53页 |
5.3 实现方法 | 第53-54页 |
5.4 主要功能实现 | 第54-59页 |
5.4.1 学生功能模块 | 第54-56页 |
5.4.2 管理员功能模块 | 第56-59页 |
5.5 系统测试 | 第59页 |
5.6 本章小结 | 第59-61页 |
第6章 总结与展望 | 第61-63页 |
6.1 本文总结 | 第61页 |
6.2 工作展望 | 第61-63页 |
参考文献 | 第63-66页 |
附录Ⅰ 症状自评量表 SCL-90 | 第66-69页 |
附录Ⅱ 症状自评量表 SCL-90 使用说明 | 第69-72页 |
致谢 | 第72-73页 |
攻读学位期间取得的科研成果 | 第73页 |